成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人

發布于 2024-4-9 12:33
瀏覽
0收藏

在人類的社交活動中,為了更有效地在工作和生活中與他人溝通,需要一定的社交技能,比如解決沖突。


然而,社交技能的練習環境對于大多數人來說通常是遙不可及的。特別是由專家訓練這些技能時,往往耗時、投入高且可用性有限。現有的練習和反饋機制很大程度上依賴專家監督,使訓練難以擴展。此外,經過專業培訓的教練也缺乏,而大多數可以提供定制化反饋的教練無法幫助大量有需要的人。


近日,在由斯坦福助理教授楊笛一為共同一作的論文《Social Skill Training with Large Language Models》中,研究者認為,借助大語言模型可以使得社交技能訓練變得更容易、更安全、更有吸引力,并在現實、虛擬練習空間中提供量身定制的反饋。


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

論文地址:https://arxiv.org/pdf/2404.04204.pdf


具體來講,研究者提出了以下兩種社交技能訓練框架。


第一個訓練框架是 AI Partner,它可以通過模擬練習為體驗式訓練提供可擴展的解決方案。此前已經有研究表明,人類角色扮演可以有效地教授溝通、合作和領導技能。與 on-the-job 訓練相比,模擬可以讓學習者承擔更少的風險和機會成本。而通過模擬,AI Partner 將減少進入專業領域的社會經濟障礙。


第二個補充訓練框架是 AI Mentor, 它將根據領域專業知識和事實知識提供個性化反饋。


這兩個訓練框架(合稱為 APAM)都可以將體驗式學習與現實練習、定制反饋相結合。研究者呼吁通過跨學科創新來解決 APAM 的廣泛影響。


論文作者楊笛一表示:「學習社交技能對大多數人來說是遙不可及的,我們如何才能使社交技能訓練變得更容易實現?基于此,我們推出 APAM,其利用 LLM 通過現實實踐和量身定制的反饋進行社交技能訓練!」


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

她接著表示:「在 APAM 中,當用戶想要學習一項新的社交技能時,AI Partner 可以幫助他們通過模擬對話來練習相關場景。AI Mentor 可以在模擬的關鍵時刻提供基于知識的反饋。」


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

APAM 架構概覽


該研究提出了一個通用框架專門用于社交技能訓練,該框架包括 AI Partner 和 AI Mentor(兩者簡稱 APAM),并且這兩者至關重要。當用戶想要學習一項新的社交技能時,AI Partner 可以通過模擬對話幫助他們練習相關場景。AI Mentor 可以在模擬的關鍵時刻提供基于知識的反饋。


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

然而,構建和部署 AI Partner 并非易事,比如很難保持模擬人物的風格、行為和情感特征的一致性。而開發 AI Mentor 在很大程度上依賴于領域專業知識、情境感知和反饋效率等因素。


為了解決上述問題,研究者提出通過 LLM 進行社交技能訓練的通用方法,分四個步驟完成:


  1. 了解如何解決問題的技能(例如,解決沖突);
  2. 設計一個 AI partner 來模擬對話,讓學習者(即用戶)接觸目標過程,進行練習;
  3. 創建一個 AI mentor 來提供反饋;
  4. 將這兩個智能體集成到模擬環境中,以便用戶學習。


研究者表示,APAM 框架的理想受眾是初學者,但是有經驗的人也可以使用 APAM 系統來刷新他們的知識。


APAM 可以在許多領域提高學習者的技能,表 1 列舉了一些應用場景,例如如何傾聽、心理健康咨詢等。不過 APAM 框架不僅限于這些典型的例子,論文第 6 節有更多的介紹。


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

雖然 LLM 作為社交技能訓練工具潛力巨大,因為它們可以生成連貫且自然的文本。然而,這種靈活性往往伴隨著有限的可控性。


出于安全考慮, APAM 框架為如何應用 AI 提供了一系列措施,他們將使用過程分解為一個連續體:AI Partner 連續體以及 AI Mentor 連續體,每個連續體都由三個模型完成(如圖 1 所示)。


評估結果


AI partner 和 AI mentor 的評估是一個重大挑戰,基于 APAM 的工具涉及復雜的計算系統以及與不同需求和背景的用戶的交互。


為了將這些訓練工具開發為一個領域,評估措施需要超越自然語言處理中傳統的指標,轉而采用來自多個相關領域和利益相關者的方案。納入多學科視角將有助于評估此類系統的實證性能、基于用戶角度的可用性以及對用戶和社區的長期影響。


目前,文本生成的研究主要集中在內在評估上,即通過預定義的規則或交互來評估輸出的質量。


在下表 2 中,研究者主要劃分為全自動評估和用戶驅動評估。基于參考的指標(如困惑度或 Kullback-Leibler 散度)通常用于系統質量自動評估,它們既簡單又允許通過演示對所需行為進行豐富的定義。


表 2 詳細列出了以往工作中適用于 APAM 系統的內在和外在評估程序。目前,自然語言處理從業者主要關注對系統的內在評估。本文中,研究者強調使用既定的教育成果衡量標準來評估 APAM 系統的重要性。


楊笛一新作:社恐有救了,AI大模型一對一陪聊,幫i人變成e人-AI.x社區

更多細節請參閱原論文。


本文轉自 機器之心 ,作者:機器之心


原文鏈接:??https://mp.weixin.qq.com/s/gGZ3V3ZsMfT8klvuCw7L4g??

標簽
收藏
回復
舉報
回復
相關推薦
主站蜘蛛池模板: 久久久久国产精品一区二区 | 欧美日韩精品一区二区三区蜜桃 | 亚洲视频免费在线 | 亚洲精品乱码久久久久久蜜桃 | 亚洲免费在线 | 91最新入口 | 欧美性受 | 国产日韩一区 | 中文字幕亚洲一区二区三区 | 日韩欧美精品在线 | 国产精品久久一区二区三区 | 蜜桃精品噜噜噜成人av | 青娱乐av | 超碰在线播| 精品一区国产 | 伦理二区 | 国产成人精品免费视频大全最热 | 国产精品一区在线 | 亚洲二区视频 | 亚洲高清在线 | 国产精品久久久久久久久久免费看 | 先锋资源在线 | 亚洲第一区国产精品 | 国产草草视频 | 日日噜噜夜夜爽爽狠狠 | 美女国内精品自产拍在线播放 | 精品国产乱码久久久久久蜜柚 | 欧美一级淫片007 | 欧美另类视频在线 | 毛片大全| 一区二区在线看 | 亚洲va欧美va天堂v国产综合 | 亚洲国产成人av好男人在线观看 | 日韩欧美精品在线 | 久草在线影| 黄色av观看| 国产免费一区二区 | 中文久久 | 精品国产一区二区三区成人影院 | 欧美 中文字幕 | 国产精品成人在线 |