LM และ LLM ส่วนตัวที่ยอดเยี่ยม
รายการ รูปแบบภาษาส่วนบุคคล และ รูปแบบภาษาขนาดใหญ่ :
- LM และ LLM ส่วนตัวที่ยอดเยี่ยม
- วิธีการดึงข้อมูล
- Persona Grounding
- การประเมิน
- ชุดข้อมูล
- เกณฑ์มาตรฐาน
วิธีการดึงข้อมูล
| ชื่อกระดาษ | การเข้าร่วม | เผยแพร่ที่ | การเชื่อมโยง |
|---|
| Recap: encoder คำนำหน้าบริบทที่ได้รับการปรับปรุงให้ดีขึ้นสำหรับการสร้างการตอบสนองการสนทนาส่วนบุคคล | สถาบันวิทยาศาสตร์สารสนเทศ | acl'23 | |
| การสร้างบทสนทนาส่วนบุคคลด้วยความสนใจแบบปรับตัว | มหาวิทยาลัยเซอร์เรย์ | aaai'23 | |
Persona Grounding
| ชื่อกระดาษ | การเข้าร่วม | เผยแพร่ที่ | การเชื่อมโยง |
|---|
| P5: Persona persona plug-and-play สำหรับการเลือกตอบกลับส่วนบุคคล | Naver; สมอง Kakao | emnlp'23 | |
| PK-ICR: การดึงบริบทหลายบริบทแบบอินเทอร์แอคทีฟสำหรับบทสนทนาที่ต่อสายดิน | MSK Research | emnlp'23 | |
การประเมิน
| ชื่อกระดาษ | การเข้าร่วม | เผยแพร่ที่ | การเชื่อมโยง |
|---|
| การประเมินอัตโนมัติของการสร้างข้อความส่วนตัวโดยใช้แบบจำลองภาษาขนาดใหญ่ | Google Research; มหาวิทยาลัยมิชิแกน | arxiv'23 | |
ชุดข้อมูล
| ชื่อชุดข้อมูล | ชื่อกระดาษ | การเข้าร่วม | เผยแพร่ที่ | การเชื่อมโยง |
|---|
| แพนโดร่า | Pandora Talks: บุคลิกภาพและข้อมูลประชากรเกี่ยวกับ Reddit | การวิเคราะห์ข้อความและห้องปฏิบัติการวิศวกรรมความรู้มหาวิทยาลัยซาเกร็บ | naacl'21 | |
| คน | ตัวแทนบทสนทนาส่วนบุคคล: ฉันมีสุนัขคุณมีสัตว์เลี้ยงด้วยหรือไม่? | Montreal Institute เพื่อการเรียนรู้อัลกอริทึม, MILA; การวิจัย Facebook AI | arxiv'18 | |
| จุดสนใจ | เรียกร้องให้มีการสนทนาที่กำหนดเอง: บทสนทนาที่กำหนดเองและความรู้ | ภาควิชาวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรมศาสตร์มหาวิทยาลัยเกาหลี | aaai'22 | |
เกณฑ์มาตรฐาน
| ชื่อกระดาษ | การเข้าร่วม | เผยแพร่ที่ | การเชื่อมโยง |
|---|
| โคมไฟ: เมื่อรุ่นภาษาขนาดใหญ่พบกับการปรับเปลี่ยนเป็นส่วนตัว | มหาวิทยาลัยแมสซาชูเซตส์แอมเฮิร์สต์; Google Research | arxiv'23 | |
