本文提出了基于电影领域的一套新任务套件,旨在测试模型回答事实性问题、提供个性化、进行短对话及在 Reddit 上执行自然对话的能力,评估了各种模型在这些任务上的性能表现。
Nov, 2015
本文探讨了使用增强学习的方式,通过与人类交互并接受其反馈来提高对话代理的能力,模拟了在人工环境中的各种学习情况,介绍了适用于此类学习的模型,并通过机械土耳其实验验证了此方法。
Nov, 2016
提出了一种基于神经网络框架的分层学习方法,通过监督学习和强化学习相结合,实现了对话管理任务中的有效性以及在高噪声的情况下提高性能。
Jun, 2016
研究人工智能中的对话代理,探索深度学习技术如何提高人工对话代理水平。
Nov, 2022
本文介绍一种基于神经网络的端到端可训练的目标导向对话系统,以及一种新的数据收集方法,该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统,帮助用户在餐厅搜索领域自然地交流并完成任务。
Apr, 2016
本文提出使用不断学习的方法,通过与用户进行对话,改进对话系统(chatbots)中按人工规则编译知识库和局限于理解自然语言的能力,提高在多种语言表达和聊天技能方面的用户满意度。
Sep, 2020
本文提出修改对话系统,使其能够学习的方法,并讨论了如何从对话中提取知识、更新代理的语义网络并以行动和观察为基础。希望引起人们对该领域的关注,并成为未来研究的重点。
Feb, 2022
使用大型语言模型(LLMs)的上下文学习能力与业务逻辑的确定执行相结合,描述了一种构建面向任务的对话系统的系统。与主要用于行业的基于意图的 NLU 方法相比较,我们的实验表明,使用我们的系统开发聊天机器人所需的工作量明显较少,这些聊天机器人可以成功地进行复杂对话,并且我们的系统对于大规模任务导向的对话系统具有可扩展的有益特性。我们提供了我们的实现用于使用和进一步研究。
Feb, 2024
我们提出了一种新颖的基于 AI 的聊天机器人学习模式,用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式,在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估,证明了我们的系统在传递知识和关注用户方面的有效性,帮助用户在不阅读文章的情况下大大提高知识水平。
May, 2022
利用机器人在电影领域的师生问答交互进行离线和在线强化学习,证明了学习者在提问时改进的效果,并验证了该方法。
Dec, 2016