本文提出了建立安全、负责任、适度的对话系统研究范围的新视角，包括 1) 虐待和有毒内容，2) 不公平和歧视，3) 道德和道德问题，4) 误导和隐私信息的风险。此外，从安全问题的曝光和检测的角度，回顾了评估大型模型安全性的主流方法。最后，就正在构建负责任的 AI 所面临的六大挑战进行了讨论。希望本文能够鼓励更多关于安全对话系统的研究。

Feb, 2023

通过调查可用于数据驱动型对话系统学习的公开数据集，讨论了这些数据集的重要特征，如何使用它们学习不同的对话策略以及它们的其他潜在用途。同时还研究了数据集之间的迁移学习方法和外部知识的应用，并讨论了适当的评估指标选择。

Dec, 2015

这篇文章总结了基于深度学习的对话系统的最新进展和研究方向，讨论了如何通过深度学习在任务导向和非任务导向模型中学习有意义的特征表示和响应生成策略。

Nov, 2017

本文以自动语音识别为例，研究具备道德操守的语音数据集应具备的特征，包括多样性、包容性、关键元数据等，以提高模型鲁棒性与可用性，同时保护用户隐私、提升可解释性、促进社会技术与情境模型设计，旨在鼓励研究者与实践者建立更多人性化的数据集，提高模型效果。

May, 2023

对多轮对话数据生成进行了系统综述，包括开放领域对话系统、任务导向对话系统和信息搜索对话系统，提出了一个概括对话数据生成系统主要原则的通用框架，并探讨了合成对话数据的评估指标和方法、当前领域的挑战以及未来研究的潜在方向。

May, 2024

本文正式定义和介绍了社会影响对话系统的类别，该类别通过自然对话影响用户的认知和情感反应，从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查，汇编了七个不同领域的进步情况，并讨论了所研究系统的共性和差异，指出了局限性并提出未来的研究方向。本研究作为社会影响对话系统的全面参考，可以激发在这个新兴领域更专注的研究和讨论。

Oct, 2022

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

本文研究了对话系统的人格偏见，并分析了不同社会阶级、性取向、种族和性别的人物角色。研究者提出将对话系统的角色升级到拥有更多人文特征以更好的迎合用户的趋势可能会产生一些偏见。他们还介绍了一个开源框架 UnitPersonaBias，以探索和聚合对话系统中的人格偏见。此外，研究者还发现与不使用人格形象相比，采用人格形象可能会减少有害的回应。但是，人格选择会影响生成响应中危害程度，因此在实际应用前应该进行系统评估。

Apr, 2021

本文回顾了近期关于神经网络方法在开放领域对话系统中解决语义、一致性和互动性挑战的工作，以实现与用户建立长期连结并满足人类沟通、情感和社会归属需求。

May, 2019

本文探讨了任务导向对话系统的最新研究进展和挑战，特别在三个关键领域进行了深入讨论：提高数据效率、模拟多回合动态以优化任务完成性能，以及将领域本体知识与对话模型集成。此外，还评估了最近的对话进展和一些常用的语料库。我们相信，这虽然不是一个完整的调查，但它仍然可以为未来任务导向对话系统的研究提供启示。

Mar, 2020