本文是LLM系列文章,针对《Controlled Text Generation for Large Language Model with Dynamic
Attribute Graphs》的翻译。
摘要
受控文本生成(CTG)旨在生成具有特定期望属性的文本。在这项研究中,我们介绍了一个用于大型语言模型(LLM)的可插拔CTG框架,称为基于动态属性图的受控文本生成(DATG)。该框架利用属性评分器来评估LLM生成的句子的属性,并构建动态属性图。DATG调节关键属性词和关键反属性词的出现,在不损害模型原始能力的情况下实现有效的属性控制。我们在四个数据集上进行了两项任务的实验:毒性缓解和情绪转换,使用五个LLM作为基础模型。我们的发现突出了控制准确性的显著提高,在四个数据集的最有利任务中,比基线方法实现了19.29%的峰值改进。此外,我们观察到困惑感显著减少,文本流畅性显著提高。
1 引言
2 方法
3 实验
4 相关工作
5 结论
在本文中,我们提出了基于动态属性图的受控文本生成(DATG),这是一个灵活且可插入的框架,它将图模型与LLM无缝集成以改进CTG。DATG的即插即用特性有助于轻松适应现有的LLM,允许有针对性地引导文本属性,同时保持高度的语言完整性。
我们的框架在关键的CTG任务中取得了显著的成功,如毒性缓解和情绪转换,控制准确性和保持文本流畅性的显著提高就是明证。在DATG中使用动