你與聊天機器人交談的方式比你想像的更重要
奧斯卡·王/蓋蒂圖片社
正如大多數人所做的那樣，用低正式語言與 AI 聊天機器人交談，會降低其響應的準確性 – 這表明在使用聊天機器人時，我們需要在語言上嚴格，或者需要對 AIS 進行良好的適應訓練。
在亞馬遜，人們已經看到了人們如何與人工代理開始對話，而 Chatbat Assistant 則由 Phule NG 和 Zau Yu Lord 語言模型 (LLM) 提供支持。他們使用 Claude 3.5 Sonnet 模型對對話的多個方面進行評分，發現與聊天機器人交流的人的語法不太準確，禮貌程度也低於人類。他們還使用了一些狹隘的詞彙。
例如，根據衣著衍生的分數，與聊天機器人的人際互動比與聊天機器人的對話高 14.5%，高 5.3%，Lexic 高 1.4%。
沒有回應採訪要求的作家，“用戶在人類與法學碩士的對話中接受他們的語言風格，產生更少、更少、更少、不那麼正式和語法”，在一篇關於工作的論文中寫道。 “這種行為不太具有社會敏感性，或者不太能夠被 llm chatbat 的心理模型微妙地解釋。”
但這種非正式的方式有一個麻煩。在第二次估計中，研究人員在現實世界中的人與人之間的對話中訓練了一個名為 Mistrol 7B 的人工智能模型，並用它來理解發送給人工智能聊天機器人的 1357 條真實世界消息。它們被引用為兩個數據集中每個對話的“意圖”，這是由用戶試圖做的事情捕獲的。但自從 Mistrol AI 在人與人對話中進行訓練後，這對夫婦發現 AI 很難正確標記 chatbat 對話的意圖。
NG ong 和 u 隨後嘗試了各種策略來提高 Mistrol AI 的認知度。首先，他們使用Claude AI，將用戶更微妙的失誤改寫成類似人類的散文，並把Mistrol模型做得很好。與默認響應相比，這將其預期標籤的準確性降低了 1.9%。
後來，他們用 Claude 改寫了“最小”，越來越生硬（例如“下個月巴黎，詢問即將到來的旅行和住宿選擇），但它使 Mistrol 的準確率降低了 2.6%。替代方案，語言更加正式和多樣化的“繁榮”也使準確率下降了 1.8%。只有通過對 Mistrol 模型進行最小化和豐富的重寫訓練，他們看到了更好的性能 2.9 百分比。
諾亞·吉安·西拉庫薩 馬薩諸塞州本特利大學的人們對機器人的說話方式與人們對人類的說話方式不同並不感到驚訝，但這並不是必須的。
“它是作為聊天機器人的缺陷和聊天蝙蝠的缺陷而創建的 – 但我認為，當人們知道人們知道他們的行為時，這是件好事。” “我認為這比試圖消除人與船之間的差距更健康。”
事物：
