Sep, 2018
面向对话人工智能的神经网络方法
Neural Approaches to Conversational AI
Jianfeng Gao, Michel Galley, Lihong Li
TL;DR该论文综述了近年来开发的面向神经对话系统的方法，将其分为三个类别：问答代理、任务导向对话代理和聊天机器人，并分别介绍了最新的神经方法及其与传统方法的联系，并以特定系统和模型作为案例研究，讨论了已取得的进展和仍然面临的挑战。
Abstract
The present paper surveys neural approaches to conversational ai that have
been developed in the last few years. We group conversational systems into
three categories: (1) →
发现论文，激发创造
面向协作的对话管理的神经时代：文献综述
基于对话的人工智能协作可以在协作问题解决、创造性探索和社交支持方面起到革命性作用。本调查从传统的手工制作和信息状态方法到 AI 规划启发的方法，回顾了协同对话系统中对话管理范式的演变。然后，将焦点转向当代的数据驱动对话管理技术，这些技术旨在将深度学习在填充表格和开放领域环境中的成功经验转移到协作场景。本文还分析了一组将神经方法应用于协同对话管理的最新作品，突出了该领域的主要趋势。希望本调查为未来协同对话管理的发展提供基础背景，特别是在对话系统社区继续积极探索大型语言模型的潜力的情况下。
Jul, 2023
神经模型在自动对话分析中的应用调查：朝着更好地融合社会科学
本文综述了一些新的神经架构，并探讨了将其应用到更加基本的对话特点，例如情绪，对话行为和协同建构。基于社会科学文献，本文的作者相信对话最基本、最核心的特征是其由两个或多个交流者在时间上共同建构。
Mar, 2022
会话代理：理论和应用
本文综述了对话代理人（CAs）的概念，讨论聊天机器人和面向任务的代理人的不同应用，并探讨了具有身体特征的对话代理人的概念。本文详细讨论了在 CAs 中表示对话的各种方法，以及评估此类代理人的方法，重点强调问责和可诠释性。本文还提供了各种应用场景的广泛概述，特别是在健康和教育领域。最后，本文讨论了当前和未来 CAs 技术所带来的社会影响的利弊和潜在风险。
Feb, 2022
面向对话代理的持续学习
本文介绍了一种基于最新的神经网络连续学习技术的领域无关的神经对话模型，同时提出了一种新颖的神经连续学习算法，能够以数据 - 效率的方式跨越不同任务积累技能，在客户支持领域通过从合成对话或人类之间的对话到人 - 计算机对话的连续技能转移来验证方法的功效。
Dec, 2017