パーソナライズされた会話のために、パーソナグラウンド型検索ベースのチャットボットの使用は重要ですが、解決すべきいくつかの課題があります。1) 一般的に、パーソナグラウンド型コーパスの収集は非常にコストがかかります。2) 実際のアプリケーションでは、チャットボットシステムが常にパーソナを考慮して応答するわけではありません。これらの課題に対処するために、プラグアンドプレイ型のパーソナプロンプト手法を提案します。当該システムは、パーソナ情報が利用できない場合でも標準的なオープンドメインチャットボットとして機能します。この手法がゼロショット設定において良好な性能を発揮することを示しており、これによりパーソナグラウンド型訓練データへの依存度が低下します。これにより、パーソナグラウンド型コーパスを構築せずに他の言語へシステムを拡張することが容易になります。さらに、当該モデルは微調整によってさらなる性能向上が可能です。実験では、ゼロショットモデルが元のパーソナと改訂後のパーソナにおいてそれぞれ7.71ポイントと1.04ポイント改善しました。微調整済みモデルは、元のパーソナと改訂後のパーソナにおいてそれぞれ1.95ポイントと3.39ポイント改善し、従来の最先端システムを上回りました。当方の知る限りでは、プロンプトシーケンスを使用して個人化された応答選択の問題を解決しようとする本研究は初めての試みです。当方のコードはGitHubで公開されています（https://github.com/rungjoo/plug-and-play-prompt-persona）。