本文介绍了世界上最受欢迎的社交聊天机器人 —— 微软小冰的开发过程，其独特的设计使其成为具有情感联系的人工智能伴侣，以满足人类在沟通、情感和社交归属方面的需要。通过在系统设计中同时考虑了智商和情商，将人机社交聊天视为在马尔可夫决策过程上做出决策，并优化小冰以实现长期用户参与度最大化。详细介绍了系统架构和关键组件，包括对话管理器、核心聊天、技能和一种共情计算模块。展示了小冰如何动态地识别人类情感和状态，理解用户意图，在长时间对话中回应用户需求。自 2014 年推出以来，小冰已与超过 6.6 亿活跃用户进行了沟通，并成功与其中许多建立了长期关系。大规模在线日志分析表明，小冰的平均每次会话轮次数为 23，远高于其他聊天机器人甚至人类间对话。

Dec, 2018

本文调研了基于文本的聊天机器人的社交特性，提出了与用户期望一致的社交行为增强聊天机器人的能力，为设计师和研究人员提供了优化人机交互的机会。

Apr, 2019

本文提出了一种多任务框架，该框架联合识别对话的情感并根据所识别的情感生成响应，我们利用基于 BERT 的网络来创建一种共情系统，并使用混合目标函数来训练端到端网络，包括分类和生成损失函数，实验结果表明，我们的多任务框架优于现有的最先进模型。

May, 2022

该研究通过设计并评价了一种 AI 驱动的多任务聊天机器人，在计算机科学教育中提升学习体验、促进学生参与。研究采用设计研究方法，开发了一个新型学习环境，其中包括指导机器人、同伴机器人、职业规划机器人和情感支持机器人四个不同的聊天机器人角色，通过满足学生的能力、自主和关联性等三个内在心理需求，以探究为基础的学习模式鼓励学生提问、寻求解决方案和探索好奇心。研究通过在一个月内与 200 名参与学生进行高等教育环境测试，将结果与人类导师和单一聊天机器人条件进行对比。研究运用混合研究方法，包括聊天记录序列分析、调查和焦点小组访谈等定量和定性手段。通过整合先进的自然语言处理技术，如主题建模和情感分析，提供了对该系统对学习者参与度、动机和探究型学习的深入理解。该研究通过其严格的设计和创新的方法，为 AI 驱动的多任务聊天机器人在重塑计算机科学教育以及创建引人入胜、支持性和激励性学习环境的潜力提供了重要见解。

Aug, 2023

生成人工智能为了成功，它需要成为一个有吸引力的对话者吗？我们的研究分析了人们与一个名为 Zo 的虚拟伴侣进行互动的动机，并提供了生成对话人工智能在增加吸引力方面的机会和挑战。

Dec, 2023

使用伴侣机器人对社交健康具有益处，而非使用者认为它们有害社交健康；同时，感知伴侣机器人更具意识和人类特征与积极意见和更好的社交健康效益相关。

Nov, 2023

构建社交智能 AI 代理（Social-AI）是一个跨学科、多模态的研究目标，涉及创建能够感知、理解、推理、学习并回应其他代理（人类或人工）的情感、行为和认知的代理。过去十年，在自然语言处理、机器学习、机器人技术、人机交互、计算机视觉和语音等几个计算社区中，社交智能 AI 取得了进展。这篇立场论文中，我们确定了一组潜在的技术挑战和开放性问题，以促进社交智能 AI 的研究，并结合社交智能概念和以往的研究进展进行讨论。

Apr, 2024

该研究为聊天机器人技术的发展提供了全面细致的回顾，从最早依靠规则的基本系统到如今由人工智能驱动的高级对话机器人。通过探索聊天机器人的重要里程碑、创新和范式转变，回顾了几十年间的发展历程。该研究综合了学术文献和行业资料的观点，特别强调图灵测试的引入、CALO 等有影响力的项目，以及最新的基于转换器的模型。追踪前进的道路，论文强调了自然语言处理和机器学习在现代聊天机器人中的整合，以实现更复杂的功能。这种对聊天机器人领域的时间顺序调查提供了一个全面的参考，以理解推动会话式人工智能发展的技术和历史因素。通过综合分析的学习成果，本研究对聊天机器人的发展轨迹及其在各个应用领域的巨大潜力提供了重要的背景信息，这可能成为相关研究界和利益相关者的潜在启发。

Feb, 2024

本篇综述文章概述了基于人工智能和自然语言处理的聊天机器人的近期研究进展，重点关注了当前工作面临的主要挑战和限制，并提出了未来研究的建议。

Jan, 2022

该研究将情感智能技术整合进自动对话系统中，通过深度学习和自然语言处理技术创建了一个具有情感智能的对话生成模型。该模型能够实时检测和理解广泛的情绪和特定的疼痛信号，使系统能够提供共情互动。通过整合研究 “人工智能能检测疼痛并表达痛苦共情吗？” 的结果，增强了模型理解痛苦共情的微妙元素的能力，为情感智能对话系统设定了更高的标准。该项目旨在为将先进的情感智能能力整合到对话系统中提供理论理解和实际建议，从而提高用户体验和交互质量。

Apr, 2024