ProUtt: Predizione Proattiva nel Dialogo Uomo-Macchina

La predizione proattiva della prossima espressione di un utente nel dialogo uomo-macchina può ottimizzare l'interazione e migliorare l'esperienza utente. Le soluzioni commerciali basate su API sollevano preoccupazioni sulla privacy, mentre l'implementazione locale di modelli linguistici di grandi dimensioni (LLM) di uso generale rimane costosa in termini computazionali.

Un nuovo studio presenta ProUtt, un metodo basato su LLM per la sintesi di dati di preferenza, finalizzato alla predizione proattiva della prossima espressione. ProUtt converte la cronologia del dialogo in un albero di intenti e modella esplicitamente le traiettorie di ragionamento degli intenti, prevedendo il percorso più plausibile da prospettive di sfruttamento ed esplorazione.

Metodologia e Risultati

Il metodo proposto costruisce processi di ragionamento di preferenza e non preferenza perturbando o rivedendo i percorsi dell'albero degli intenti in diversi turni futuri. Le valutazioni estensive, utilizzando LLM come giudice e valutazioni umane, dimostrano che ProUtt supera costantemente i metodi di sintesi dati esistenti, i simulatori di utenti e le API LLM commerciali su quattro set di dati di riferimento.

Il codice e i set di dati sintetizzati sono stati rilasciati per facilitare la ricerca futura in questo campo.