外链论坛

 找回密码
 立即注册
搜索
查看: 9|回复: 1

AI赋能游戏:问答设备人的设计与实现

[复制链接]

3037

主题

148

回帖

9911万

积分

论坛元老

Rank: 8Rank: 8

积分
99119028
发表于 2024-9-28 22:08:54 | 显示全部楼层 |阅读模式

AI发展快速,最适合的应用场景,应该是游戏了。光是NPC的问答、选项,就有非常多能够操作的空间。本文从游戏行业出发,分析了问答设备人的实现原理和语料的经验,供大众参考。

随着AI这两年的快速发展,游戏厂商跃跃欲试怎样让AI融入游戏。

半年前,咱们在游戏内嵌社区中,上线了一款以大语言模型为核心打造的问答机器人,旨在满足玩家快速获取攻略的需要

这篇文案,将以游戏行业制品经理的方向,分享这款问答设备人的实现原理,及其语料的制作经验。

1、为何需要问答设备

问答设备人所落地的游戏,是一款三国策略类游戏。游戏中玩家被随机分到魏蜀吴中的一个国家,并经过一系列玩法攻城略地,扩展疆土。玩家能够招募各色三国英雄,并给英雄搭配区别装备、学习区别技能以提高战力,并能够组建区别的英雄阵容去挑战别的玩家以及掠夺别国的城池。因此呢,游戏玩法的自由度给予了玩家非常多策略探索的可能。

起初,咱们只是搭建了一个问答社区,供用户发布问题与分享攻略心得。随着玩家人数增多及赛季的深入,玩家对攻略的需要日益显著。官方发布的攻略,不必定能满足玩家快速获取攻略的需要。有时候玩家只想找一个答案,却要看完一整篇攻略。因此呢咱们经过智能问答设备人的形式,满足玩家快问快答的痛点,以提高玩家的游戏体验。

咱们的智能设备人名为“诸葛先生”,以H5的形式开展对话。对用户来讲繁杂的功能,只要提问,设备人就会回答。

(页面样式这儿用原型图代替了哈)

2、设备人技术原理:大语言模型RAG的应用

在介绍问答设备人的原理前,先说一个前提,便是咱们的大语言模型的语料库中,有一种语料是QA形式的,即一问(question)一答(answer),与通常的段落形文案有所区别。关于语料库的介绍,下边章节会继续细说。这儿将继续讲设备人的运行原理。

如下图,在用户提出问题后,咱们设备人分有两个答案输出规律首要,用户提问的问题都会先进行内容检索,经过检索模型检索出与用户提问关联的内容。当检索到用户提问有匹配的QA时(即玩家提问匹配到语料库中预设的Question),则程序会直接输出Answer;另一种规律是,当检索模型检索到匹配的QA,那程序就会继续检索其他内容(如文案段落),并产出一条带内容的提示词(prompt)输入到大语言模型中,由大语言模型生成答案。

举个例子,假设用户提问了“赵云怎么培养”,则程序会经过检索模型,先检索是不是存在与“赵云怎么培养”接近的question,存在则输出对应answer,否则找出“赵云培养”关联的内容。咱们比拟程序找到的相关内容为AABB,此时给到大语言模型的提示词(prompt)便是:“AABB,请按照以上内容回答:赵云怎么培养。”大语言模型则按照以上提示词生成答案。

为何咱们不直接运用大语言模型,而是前置一步加入检索模型呢?

咱们晓得,大语言模型基于神经网络模型,运用海量的语料库进行训练,例如互联网上的海量文本数据。因此呢,大语言模型能有效准确地回答通用知识类的问题。而游戏属于专有行业怎样让大语言模型直接回答专有行业知识,则它给出的答案必定会差强人意(答非所问或是回答不出)。因此呢咱们会先前置一步进行内容搜索,经过内容来约束大语言模型的生成。这般的技术规律叫作为RAG(Retrieval-Augmented Generation,检索加强生成)。

RAG其实便是对大语言模型的检索能力及联想能力的外扩,让大语言模型在可控范围内生成更准确高精的回答,尤其适用于专有行业的问答工具。RAG的原理如下图:

照片源自《Chatbot从0到1》(第2版),作者李佳芮、李卓桓

RAG 系统的起点通常是一个文本文档的语料库,简单看起来是这般的: 把文本分割成块,而后把这些分块嵌入到向量与transformer编码器模型,把所有这些向量创立索引,从而查找出与用户提问关联的上下文,最后创建一个带上下文的大语言模型提示语,让模型回答用户的查找

咱们能够对比有没有检索模型对回答的差别:

大语言模型一样是ChatGPT3.5,提问“赵云要怎么培养”,单纯运用大语言模型,而检索模型的约束时,回答的内容就和游戏不沾边(左图)。而运用了检索模型,让大语言模型的回答就完全贴合游戏了(右图)。

3、问答质量的打磨调优

为了提高设备人的回答准确率。咱们的调优有几个方面:

加强对用户提问的理解

针对用户的提问,除了分词切割,咱们还有错字甄别、同义词判定等规律期盼程序能尽可能清晰理解用户的意向。

加强检索模型的召回质量

在众多语料中怎样找到最匹配玩家的内容呢?咱们的检索算法,会在对用户提问进行分词后,会先用BM25算法按照关键词对文档进行第1次评分,而后按照评分阈值提取top-k文档进行第二次评分,还有问题和文档稠密向量的关联性评分等。每一步都可能影响检索的内容及LLM的回答结果。

选取更智能的语言模型

设备人上线初期,运用的模型是国内的ChatGLM2.0。但经过拉取用户的实质问答数据,咱们发掘答案质量并不睬想,答案中存在较多答非所问、胡编乱造的问题。并且在多次调优检索模型后(加强召回文档的关联性),答案质量仍然不良

于是咱们思虑更换大语言模型。咱们找来了两款智能体做对比,分别是ChatGPT3.5及Google旗下的Gemma。三者对比后咱们发掘,ChatGLM2.0的幻觉问题较其他两个模型会更为显著。意思便是倘若检索模型召回的文档中不存在用户提问的关联内容(关联性低),则ChatGLM2.0会一本正经胡说八道。即便是检索模型召回的文档中有用户所需的内容(关联性高),ChatGLM2.0可能会回答失准。

最后咱们选取了ChatGPT3.5。对比下来,ChatGPT3.5在对话生成的流畅度、连贯性以及上下文理解方面的表现都更出色,能够生成更加精细和自然的回答,针对没法回答的问题,会更直接地通知用户它不清楚。

4、语料的形成

倘若说模型是问答设备人的肉躯,那语料便是血液。语料足够多,覆盖面足够广,问答设备人才会更具活力。

咱们的语料有几个部分形成

游戏内所有呈现给玩家的文案,包含道具名叫作、说明及玩法简介。这类内容属于短内容,仅有单个句子或单一段落。 发布于官网、论坛的游戏攻略。这类内容属于长内容,由多个段落形成。 QA问答对。一问一答的固定内容。

如前所述,咱们设备人分了两个答案输出规律倘若检索模型命中QA,则会更快给玩家产出答案。基于此,咱们加大了QA问答对的产量,以提高问答效率。QA源自于玩家的真实提问,咱们提取了高频问题,以及部分刁钻的提问,做成为了问答对。

制作问答对比较费人工,由于answer都是人工写的,有时候还要玩一下游戏验证写的answer是不是正确。为了节约工时,咱们又借用了AI工具帮助咱们生产问答对。这儿AI工具的功效不是帮咱们快速生成答案,而是提前生成玩家可能问到的问题并产出答案。咱们给AI喂入以上语料中的2-攻略长内容,并让AI按照文案内容中生成QA。不外,虽然生产速度加强了,但内容的实用性却并不高。AI生成的问题并不像玩家的提问,更像是老师出的考题,需要再二次修改问答对的内容。因此呢日前的问答对守护还是集中在人工生产。

5、问答设备人的将来创想

咱们的问答设备人还有非常多优化空间。日前,虽然它在提高玩家体验方面已然取得必定成效,但仍存在有些需要改进的地区。例如尚未研发连续对话,玩家无法追问,导致对话交互不足自然流畅。另外,随着游戏内容的持续更新,咱们的语料库需要连续守护和扩充,这是需要持续消耗人力的工作。

不外我相信,问答设备人将在将来的游戏世界中装扮更加重要的角色,为玩家带来更加精彩和方便的游戏体验。

欢迎在评论区一块探讨问答设备人的更加多可能~

作者:杨桃,游戏行业B端制品经理,爱用文字记录观察及想法。

本文由 @杨桃 原创发布于人人都是制品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。返回外链论坛: http://www.fok120.com,查看更加多

责任编辑:网友投稿

回复

使用道具 举报

3094

主题

2万

回帖

9996万

积分

论坛元老

Rank: 8Rank: 8

积分
99968785
发表于 2024-10-18 06:39:52 | 显示全部楼层
你的留言真是温暖如春,让我感受到了无尽的支持与鼓励。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

站点统计|Archiver|手机版|小黑屋|外链论坛 ( 非经营性网站 )|网站地图

GMT+8, 2024-11-9 02:07 , Processed in 0.069968 second(s), 20 queries .

Powered by Discuz! X3.4

Copyright © 2001-2023, Tencent Cloud.