本文基于一项采用自然语言对话的多议题协商任务的人际交互数据集，通过对对话状态未标记的文本数据的学习，对话模型能够具备自然语言对话和推理技能，通过模拟对话过程能够取得更好的表现，本文的数据集和代码公开。

Jun, 2017

本论文介绍了一种学习对话信息表征、提高决策效率的方法，通过解耦对话表述中的语义和语言实现，使用学习到的表征完成对话生成、规划和增强学习等任务，在实验中效果比之前的工作更佳。

Dec, 2017

我们利用图形表示观察和行为，并在策略中应用图神经网络，开发了一种用于多样化谈判问题的端到端强化学习方法，通过实证评估，我们表明我们的方法是有效的，我们可以学会与以前未见过的谈判问题中的其他代理进行谈判，这一结果为强化学习在谈判代理中开辟了新的机会。

Jun, 2024

本文提出了一种利用层次强化学习方法及潜在会话行为来设计任务导向的对话系统，可有效解决以前使用监督学习和强化学习训练的模型在用户请求满足和生成系统话语的可理解性之间难以平衡的问题，并在测试中与其他模型相比获得了更好的性能表现。

Jun, 2020

通过将自然语言生成分为计划和实现两个步骤，该论文通过自动和人工评估证明了比端到端方法更好的表现，从而达到实现进行开放式对话系统真正类似于人类的能力的目标。

Sep, 2020

本文介绍了一种使用图神经网络来加入实用策略以进行有针对性的谈判的系统 DialoGraph，在训练过程中采用了一种新的图形表示方法，该方法能够更好地预测下一个最佳策略，并在精度和质量方面优于现有的谈判模型。

Jun, 2021

本文提出了一种新的 “生成 - 评估” 框架，通过对话策略和强化学习来控制知识选择，从而进行基于知识的多轮对话，最终在信息量和连贯性方面取得了显著的优势。

Jun, 2019

本研究成功应用深度强化学习 (DRL) 训练具备谈判能力的智能策略代理程序，实验表明该程序与由人工设计的规则、随机等算法相比，获胜率提高至 53%。

Nov, 2015

本研究提出了一种新的基于统计规划的自然语言生成模型，它能够在存在噪声反馈的情况下（例如用户和实现器的当前生成上下文），有效地解决常见的自然语言生成问题，包括信息展示、语句长度和信息传递量等方面的折衷问题。我们采用强化学习方法训练该模型，并将其性能与先前工作中的基准性能进行了比较，结果表明，该模型的性能明显优于所有基线模型。

Jun, 2016

本文提出通过对话策略来规划目标响应的内容和风格，促进神经响应生成方法生成更为准确、有效和吸引人的回应，通过 Topical-Chat 数据集的自动注释，得到包括对话上下文、目标对话行为、话题信息等方面的行动计划。作者进一步调查了不同的对话策略模型来预测行动计划，证明了在句子级别和依托对话策略的生成模型所生成的回复更具适切性，并且控制效果更为出色。

May, 2020