通过情境分析和说服策略增强狼人游戏中的对话生成
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了在复杂互动环境中自然语言处理对话系统在持续对话管理、记忆保持和减少幻觉方面的挑战。通过引入基于LLM的狼人游戏AI，利用情境分析支持响应生成，并为狼人角色采用了多种说服策略，以有效影响其他玩家的决策。研究结果显示，这种方法能显著提升游戏中的对话质量和互动性。
本文提出了一种创新的框架，将大型语言模型（LLMs）与外部思考器模块相结合，以增强基于LLM的代理机构的推理能力。该框架形成了一个推理层次结构，其中LLMs处理直觉性的System-1任务，而思考器专注于需要复杂逻辑分析和领域特定知识的认知System-2任务。实验证明了该框架在演绎推理、语音生成和在线游戏评估方面的有效性。此外，通过与思考器集成来调优6B LLM，以超越GPT4。本文还贡献了迄今为止最大的社交推理游戏数据集。
