PCoKG: Persönlichkeitsorientiertes Commonsense‑Reasoning mit Debatte

Die meisten Modelle für commonsense‑Reasoning berücksichtigen die Persönlichkeit der Nutzer nicht, was ihre Nützlichkeit in personalisierten Systemen wie Chatbots einschränkt. Um dieses Defizit zu beheben, hat ein Forschungsteam den Personality‑aware Commonsense Knowledge Graph (PCoKG) entwickelt – ein strukturiertes Datenset mit 521 316 Quadruplern, das speziell auf unterschiedliche Persönlichkeitsprofile abgestimmt ist.

Der Aufbau von PCoKG beginnt mit einer sorgfältigen Auswahl von Ereignissen aus dem ATOMIC‑Datensatz. Drei unabhängige Evaluatoren bewerten die Ereignisse und filtern jene heraus, die voraussichtlich unterschiedliche Denk‑ und Reaktionsmuster bei verschiedenen Persönlichkeitstypen hervorrufen. Anschließend nutzen die Entwickler die Rollenspiel‑Fähigkeiten großer Sprachmodelle (LLMs), um die ausgewählten Ereignisse zu analysieren und Wissen zu generieren. Um die Qualität der erzeugten Fakten zu erhöhen, wird ein Debatten‑Mechanismus eingesetzt: ein Befürworter, ein Gegner und ein Richter diskutieren die Ergebnisse und verfeinern sie iterativ durch Feedback‑Schleifen.

PCoKG wurde aus mehreren Perspektiven evaluiert. Durch LoRA‑basierte Feinabstimmungen mit unterschiedlichen LLM‑Backbones zeigte sich eine positive Korrelation zwischen der Modellgröße und der Leistungsverbesserung. Ablation‑Studien bestätigten, dass sowohl die Persönlichkeit‑Filterung als auch der Debatten‑Prozess entscheidend für die Qualität des Graphen sind.

In einer Anwendung zur persona‑basierten Dialoggenerierung konnte PCoKG die Kohärenz zwischen generierten Antworten und Referenztexten deutlich steigern. Damit schließt die Arbeit die Lücke zwischen commonsense‑Reasoning und individuellen kognitiven Unterschieden und ebnet den Weg für personalisierte, kontextbewusste KI‑Systeme.