Injecting Salesperson’s Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning

本篇文章属于LLM系列内容，主要涉及对《在大型语言模型中注入销售人员对话策略__结合思维链推理》这一文献的译介工作。

在具有思维链推理的大型语言模型中注入销售人员的对话策略

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 SalesBot 2.0架构
  • 4 SALESAGENT：在大型语言模型中植入对话策略
  • 5 测试与分析
  • 6 总结
  • 不足之处

摘要

当前关于对话系统与语料库的研究重点主要聚焦于两个方向：面向任务（TOD）及开放域（聊天）对话。TOD系统致力于协助用户实现具体目标，而开放域系统则着重于构建富有吸引力的交流过程。然而，在实际应用场景中，用户的意图往往在交互过程中逐渐显现。近期有研究提出SalesBot，该系统能够模拟从闲聊到任务导向场景之间的对话转换，从而用于训练销售代表。遗憾的是，初始数据在场景过渡的平滑性以及长时间对话的连贯性方面存在不足，这使得销售与客户之间的互动显得不够自然。为应对上述问题，本文提出了优化后的数据集SalesBot 2.0。该数据集通过引入策略性提示，有效整合了大型语言模型（LLM）所蕴含的常识信息。同时，我们还开发了一种新型模型SALESAGENT，其采用思维链（CoT）推理机制对销售人员的互动行为进行训练。该模型在主题转换、用户意图识别以及策略选择等方面展现出显著优势。通过不