提升长期对话生成中对话之间的差距
原文约500字，阅读约需2分钟。发表于：。我们通过构建一个模拟时间变化的多次对话数据集 GapChat，研究了如何使对话模型意识到时间，并比较了不同的时间和事件进展表示方法。通过人工评估，我们证明了时间意识模型在选择话题的相关性和从对话中获得的信息方面表现更好。
本文介绍了Conversation Chronicles数据集和ReBot对话模型，用于实现长期对话设置。数据集包含时间间隔和细粒度的发言者关系，模型具有高人类参与度的长期上下文理解能力。该模型由仅约630M个参数的按时间顺序总结和对话生成模块组成。
