Apollonion: Profilzentrierter Dialogagent

Das Aufkommen von Large Language Models (LLMs) hat die Entwicklung von Dialogagenten revolutioniert. Insbesondere ist ein gut trainiertes LLM als zentrale Verarbeitungseinheit in der Lage, flüssige und angemessene Antworten auf Benutzeranfragen zu geben. Darüber hinaus wurden Hilfsmittel wie externe Wissensabrufe, personalisierte Charaktere für lebendige Antworten sowie kurz- und langfristige Speicher für die Verwaltung extrem langer Kontexte entwickelt, um die Nutzungserfahrung von auf LLM basierenden Dialogagenten zu vervollständigen. Allerdings lösen die oben genannten Techniken nicht das Personalisierungsproblem aus Benutzersicht: Agenten antworten auf unterschiedliche Benutzer auf dieselbe Weise, ohne deren Merkmale wie Gewohnheiten, Interessen und frühere Erfahrungen zu berücksichtigen. Anders ausgedrückt, die derzeitige Implementierung von Dialogagenten versagt darin, den Benutzer "zu kennen". Die Fähigkeit zur guten Beschreibung und Darstellung des Benutzers befindet sich noch in Entwicklung. In dieser Arbeit schlagen wir einen Rahmen für Dialogagenten zur Einbindung der Benutzerprofilierung (Initialisierung, Aktualisierung) vor: Die Benutzeranfrage und die Antwort werden analysiert und in ein strukturiertes Benutzerprofil organisiert, das anschließend zur Bereitstellung einer personalisierten und präziseren Antwort dient. Außerdem schlagen wir eine Reihe von Bewertungsprotokollen für die Personalisierung vor: inwieweit die Antwort auf unterschiedliche Benutzer personalisiert ist. Der Rahmen heißt Apollonion, inspiriert von der Inschrift "Erkenne dich selbst" im Tempel des Apollo (auch bekannt als) im antiken Griechenland. Wenige Arbeiten wurden bisher zur Integration von Personalisierung in LLMs durchgeführt; dies ist eine Pionierarbeit, die darauf abzielt, die Antworten von LLMs durch den Einsatz von Dialogagenten auf Individualisierung auszurichten, mit einer Reihe von Bewertungsmethoden zur Messung der Personalisierung.