虚拟辅导员 Iris 是一个聊天型的基于人工智能技术的工具，集成到交互式学习平台 Artemis 中，为大规模教育环境中的计算机科学学生提供个性化、上下文感知的辅助。Iris 通过引入多种提示和问题，避免提供完整答案，培养学生独立解决问题的能力。经实证评估发现，学生普遍认为 Iris 有效，因为它能理解问题、提供相关支持并促进学习过程。尽管学生普遍将 Iris 视为编程练习和作业的有价值工具，并且在计算机考试中也对解决编程任务感到自信，但学生们仍然将 Iris 视为人类辅导员的补充，而非替代工具。然而，Iris 为学生提供了一个可以自由提问而不被他人评判的空间。

May, 2024

AIris 是一种 AI 驱动的可穿戴设备，通过复杂的摄像头和自然语言处理接口，提供环境感知和互动功能，从而为视力受损用户带来空间认知。AIris 能够准确识别物体和解释场景，使用户能够感知到以前传统辅助设备无法实现的空间感。该系统成本效益高、易于使用，支持面部识别、场景描述、文本阅读、物体识别、货币计数、记事本和条形码扫描等通用和专业任务，取得了辅助技术中人工智能改进的突破性进展，实现了与人类类似的丰富互动。

May, 2024

本文介绍在缺乏结构化训练数据的真实工业场景中实现智能过程自动化 (IPA) 交谈助手的挑战，以及使用迁移学习方法重新实现自动化系统多个组件，从而为用户提供结构化且在某种程度上标记的培训数据。

Jan, 2020

研究智能助手是否可以匹配用户的聊天意图，构建了新的数据集以及使用推特和 Web 搜索查询来处理无特定领域的用户发言，实验结果表明，使用 tweets 和 Web 搜索查询可以进一步提高智能助手的 F1 分数。

May, 2017

介绍了近年来发展的神经网络方法在对话式信息检索系统中的应用，并聚焦于自然语言处理，多轮对话，以及以人为中心的交互。

Jan, 2022

本研究论文描述的是 Irisapu 团队为 2023 年对话机器人竞赛（DRC2023）制定的对话机器人系统。我们尝试使用 OpenAI 的 GPT-3 生成灵活的对话回复句子，以预定的情景为依据，通过将对话情景划分为五个子情景并为每个子情景创建提示，实现对用户的适当回应。此外，我们还结合了我们之前关于对话故障检测的研究成果，并在竞赛中使用。尽管在初赛中我们的系统出现了错误，影响了结果，未能达到令人满意的成绩，但在 “提供信息的可靠性” 评估类别中，我们在所有团队中排名第三。

Dec, 2023

通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。

Feb, 2019

利用 AGIR（Automatic Generation of Intelligence Reports）工具，本文介绍了一种支持自然语言处理技术的智能报告生成工具，能够在 CTI（Cyber Threat Intelligence）报告中通过形式化表达的实体图生成全面准确的情报报告，从而显著加快报告编写的速度并自动化 CTI 的多个任务。

Oct, 2023

本文介绍了一种利用卷积深度结构语义神经网络特征进行信息检索的模型，以实现在与用户进行对话时产生人类般的对话互动，该模型采用上下文敏感的方法，具有显著优于传统基线模型的检索响应相关性。

Jun, 2016

该论文提出了一种由系统 Chatin 实现的对话式方法，旨在为直观的数据探索体验提供驱动。Chatin 是一种先进的工具，通过解锁数据科学解决方案的全部潜力，赋予来自各个学科的非技术用户探索数据并从中提取知识的能力。

Nov, 2023