MI Történik?

Ha meg akarjuk érteni, hogyan reagál a közönség az ajánlatainkra, a nagy nyelvi modellek (LLM-ek) képesek szimulálni olyan felhasználókat, akik válaszolnak a képességekre, funkciókra, promóciókra vagy árakra vonatkozó kérdésekre. Azonban az LLM-ek nem reagálnak olyan változatossággal, mint az emberek. A kutatók olyan módszert dolgoztak ki, amely arra ösztönzi az LLM-eket, hogy testreszabható attitűdökkel rendelkező perszónákat vegyenek fel. What’s new: Davide Paglieri, Logan Cross és Google-beli kollégáik javasolták a Perszóna Generátorokat. Megközelítésük olyan kódot állít elő, amely arra ösztönzi az LLM-et, hogy 25, a teljes spektrumot lefedő perszónához állítson össze promptokat. Key insight: Egy LLM emberi perszóna felvételére való rábírása általában egy hatékony prompt összeállításának kérdése (például: „Válaszoljon a következő kérdésre úgy, mintha a mai politikában Demokrata pártinak tartaná magát. . . .”). Azonban ez a megközelítés hajlamos átlagos válaszokat kiváltani, amelyek nem tükrözik azt a változatosságot, amelyet egy emberi populáció adna – még akkor sem, ha a prompt kifejezetten arra utasítja az LLM-et, hogy fogadjon el specifikus demográfiai jellemzőket. Egy alternatív megoldás az, ha a modellt arra utasítjuk, hogy programozottan módosítsa a perszóna promptokat, amíg azok olyan kimenetet nem produkálnak, amely az adott vélemények, attitűdök vagy aggodalmak meghatározott spektrumát lefedi. Adott iránymutatások alapján, amelyek meghatározzák a perszónapopuláció hatókörét (különösen az egyetértés és egyet nem értés fokai szerint rangsorolt attitűdöket), egy evolúciós algoritmus képes a modellt arra ösztönözni, hogy olyan promptkészletet állítson elő, amely a válaszok teljes spektrumát kiváltja. Results: Egy új kontextus és diverzitási tengelyek megadásával a kapott perszónák következetesen felülmúlták a Nemotron Personas diverzitási mutatóit. A Nemotron Personas egy nagyméretű, amerikai demográfiai statisztikákon alapuló perszóna prompt adatkészlet, és a Concordia memóriagenerátor által gyermekkorból felnőttkorba generált emlékeken alapuló perszóna promptokat. Egy tesztkérdőív-készlet alapján a szerzők perszónái a lehetséges válaszok 82 százalékát fedték le, míg a Nemotron Personas 76 százalékot, a Concordia memóriagenerátor pedig 46 százalékot. We’re thinking: A szintetikus perszónák izgalmas lehetőséget kínálnak a termékmenedzsment szűk keresztmetszetének leküzdésére, azaz annak a nehézségnek az elhárítására, hogy mit építsünk, amikor egy LLM promptolásával könnyedén építhetünk.