퍼소나 기반 검색형 챗봇의 사용은 개인화된 대화를 위한 중요한 요소이지만, 해결해야 할 몇 가지 도전 과제가 있습니다. 1) 일반적으로, 퍼소나 기반 말뭉치를 수집하는 것은 매우 비용이 많이 듭니다. 2) 실제 응용 프로그램에서 챗봇 시스템은 항상 퍼소나를 고려하여 응답하지 않습니다. 이러한 도전 과제들을 해결하기 위해, 우리는 플러그 앤 플레이 퍼소나 프롬프팅 방법을 제안합니다. 우리 시스템은 퍼소나 정보가 제공되지 않을 경우 표준 오픈 도메인 챗봇으로 작동할 수 있습니다. 우리는 이 접근 방식이 제로샷 설정에서 우수한 성능을 보임을 입증하였습니다. 이는 퍼소나 기반 학습 데이터에 대한 의존성을 줄이는 효과가 있으며, 다른 언어로 시스템을 확장하는 것이 더욱 용이해집니다(말뭉치 구축 없이). 또한, 우리의 모델은 더 나은 성능을 위해 미세 조정(fine-tuning)될 수 있습니다. 실험 결과, 제로샷 모델은 표준 모델보다 원래 퍼소나(original persona)에서는 7.71점, 수정된 퍼소나(revised persona)에서는 1.04점 높아졌습니다. 미세 조정된 모델은 기존 최신 시스템보다 원래 퍼소나에서는 1.95점, 수정된 퍼소나에서는 3.39점 개선되었습니다. 우리가 아는 한, 이는 프롬프트 시퀀스(prompt sequences)를 사용하여 개인화된 응답 선택 문제를 해결하려는 첫 번째 시도입니다. 우리의 코드는 GitHub에서 이용 가능합니다~\footnote{https://github.com/rungjoo/plug-and-play-prompt-persona}.