摘要
基于角色的检索式聊天机器人的应用对于实现个性化对话至关重要，但仍然存在若干挑战需要解决。1）通常，收集基于角色的语料库非常昂贵。2）在实际应用中，聊天机器人系统并不总是能够根据角色信息进行响应。为了解决这些挑战，我们提出了一种即插即用的角色提示方法。当没有角色信息时，我们的系统可以作为标准的开放域聊天机器人运行。我们证明了该方法在零样本设置下表现良好，从而减少了对基于角色的训练数据的依赖。这使得系统更容易扩展到其他语言，而无需构建基于角色的语料库。此外，我们的模型还可以通过微调进一步提升性能。在实验中，零样本模型在原始角色和修订角色上分别比标准模型提高了7.71和1.04分。微调后的模型在原始角色和修订角色上分别比之前的最先进系统提高了1.95和3.39分。据我们所知，这是首次尝试使用提示序列来解决个性化响应选择的问题。我们的代码已在GitHub上发布（https://github.com/rungjoo/plug-and-play-prompt-persona）。