该研究论文探讨了一种融合任务导向对话系统和闲聊对话系统的多动机对话数据集，并提出一系列评估指标，以更好地展示这种方法在实践中的效果。

May, 2022

该研究关注于为印地语和马拉地语开发一个问题回答数据集，通过将 SQuAD 2.0 数据集翻译成这两种语言，以解决数据稀缺的挑战，并发布了最大规模的问题回答数据集，同时提供了在这两种语言中表现最佳的模型，从而促进了进一步的研究。

Aug, 2023

我们提出了适用于电子商务应用的生产级代码混合印地语 - 英语 TTS 系统的方法。我们采用了一种以数据为导向的方法，通过利用各种语言的单语数据集。我们演示了在纯代码混合测试集上，这种单一脚本双语训练的效果很好。我们还通过 Tacotron2 + Waveglow 的设置对单说话人适应和多说话人训练进行了详尽的评估，结果显示前一种方法效果更好。我们还结合了迁移学习和仅解码器微调来提高性能。我们将这些方法与 Google TTS 进行了比较，使用我们提出的迁移学习方法获得了 CMOS 分数为 0.02。我们还进行了低资源语音适应实验，结果表明只需要 3 小时的数据就可以引入新语音。这凸显了我们预先训练模型在资源受限设置中的重要性。我们在大量的领域外纯代码混合句子上进行了主观评估，以展示系统的高质量。

Dec, 2023

本文提出了一个基于行动的对话数据集（ABCD），以探究更现实的客户服务对话系统。 在 ABC 数据集上，我们建立了大规模的预训练语言模型，并提出了技术基线来评估模型的性能，结果表明较复杂的模型性能更好，在 ABCD 上取得了较高的准确性，但与人类表现仍有显著差距。

Apr, 2021

研究发现，针对社交媒体文本中的混合编码文本进行专门设计的双语模型和多语模型表现最佳，而庞大生成模型则不具有竞争力。对于情感分析和辱骂语言检测等任务，这些模型在混合编码数据上的表现稍微优于非混合编码数据。

May, 2024

本论文介绍了 SentMix-3L，一个包含三种语言（孟加拉语、英语和印地语）的代码混合情感分析数据集，并通过对 SentMix-3L 的全面评估表明，采用 GPT-3.5 的零次提示能够在 SentMix-3L 上胜过所有基于变压器的模型。

Oct, 2023

本文介绍了 Schema-Guided Dialogue (SGD) 数据集，包括 16 个领域的 16,000 个多领域对话。SGD 数据集提供了一个具有挑战性的测试平台，可以用于测试任务包括语言理解，位置填充，对话状态跟踪和响应生成。文章也提出了一个基于模式的任务导向对话的范式，尤其是在输入中提供了一组动态的意图和插槽自然的语言描述，提高了对大量服务形态的支持和新服务的快速集成。

Sep, 2019

本文提出了第一个用于混合语言自然语言推理的数据集，其中使用来自印地语电影和双语人士的双语代码混合作为前提和假设，并使用标准的 mBERT 算法对数据集进行了评估。

Apr, 2020

本研究旨在评估多语言语境下各种向量表示和模型的组合，找到最适合的方案以实现 Code Mix 话语意图识别。研究结果在 Code Mix 和英汉混合语数据集上得到了验证。

Dec, 2018

本文提出了一个基于人类混合类型对话语料库的混合式对话模型，其中包含 5k 对话会话和 168k 话语，用于帮助确定用户目标并实现目标，并提供了基于提示的持续学习机制，以帮助模型不断提高其在任何特定类型上的能力。

Apr, 2022