大语言模型 本体的对话控制：约束生成的轻量级框架

基于 大语言模型 (LLM) 的会话代理最近已成为人机交互的强大工具。然而，它们的黑匣子性质意味着可预测性和缺乏个性化方面的挑战，这两个问题都可以通过控制生成来解决。这项工作提出了一种端到端方法，通过与对话相关的方面的本体定义来获得对 LLM 输出的模块化和可解释的控制。对关键方面进行建模并用作约束；然后我们进一步微调 LLM 以生成相应的内容。为了验证我们的方法，我们探索了两项任务，解决两个关键的对话方面：英语熟练程度和内容的极性概况。在七个最先进的开放权重会话 LLM 上使用混合 微调 程序，我们表明我们的方法始终优于预先训练的基线，即使在较小的模型上也是如此。除了定量收益之外，该框架仍然与模型无关、轻量级且可解释，从而实现可重复使用的控制策略，这些策略可以扩展到新的领域和交互目标。这种方法增强了与策略指令的一致性，并证明了对话系统中本体驱动控制的有效性。