该论文介绍了一种新颖的、面向亚马逊 Alexa 奖赛的社交机器人，旨在与用户进行友好的谈话，并在各种话题上展开对话。我们提出了一种模块化系统，重点介绍了我们使用人类思维作为数据管理模型的不同数据来源以及我们如何构建和使用自然语言理解和信息检索工具和 API 来扩展我们的知识库。此外，我们描述了我们的半结构化、可扩展的框架，用于构建特定话题的对话流程，并详细说明了我们的对话管理方案和评分机制。最后，我们简要评估了系统的性能，并观察了开放领域社交机器人面临的挑战。

Jan, 2018

UCSC's SlugBot team has developed a novel Discourse Relation Dialogue Model and UniSlug ontological resource to create a modular dialogue system that supports conversational capabilities beyond traditional computational dialogue models, in response to the requirements of the Amazon Alexa Prize Bot competition.

Jul, 2019

本篇论文描述了借助不同的搜索和结构化数据源，如何帮助 SlugBot 产生对话回合并进行长达 8 分钟 17 秒的对话，从而以应对持续的多轮对话等挑战性问题。

Sep, 2017

2018 年的 Alexa Prize 竞赛促进了会话人工智能的发展，多所大学加强了会话模型的上下文理解和对大量不同类型输入的处理，并借助知识图谱等工具提高了自然语言理解能力，使用统计和分层对话管理和模型驱动的用户响应机制，同时提供 CoBot 工具包、话题检测模型、对话行为检测模型、对话评估等套件，构建了知识丰富、连贯、吸引人的多轮对话系统。

Dec, 2018

本研究致力于开发一款名为 Athena 的开放域对话系统，利用基于规则的用户模型和针对个人意见问题的具体策略进行改进，提高了系统与用户之间的亲密度，进而提升了会话的数量和质量。

Mar, 2023

通过 Alexa Prize 进行的研究，结合当今自然语言处理、上下文理解、会话管理等方面的技术，旨在解决对话人工智能问题，从而使得社交对话和自由形式对话在广泛的领域和主题上更加自然地进行。

Jan, 2018

介绍了 Alexa Prize 中的 TaskBot challenge，该项目要求参赛者开发能够通过语音和视觉辅助人类完成真实任务的对话系统，同时保持用户的参与度。

Sep, 2022

本文提出了一种全面的评估策略，与人类判断相关的几个指标是构建无目标对话系统的关键，此方法可促进对话型 AI 的自动化评估过程。

Jan, 2018

提出了一种名为 BotsTalk 的新框架，其中多个代理参加交谈以自动注释多技能对话，并展示了一个名为 BSBT 的大规模多技能对话数据集，通过广泛的实验表明，我们的数据集对于需要理解技能融合和技能基础的多技能对话系统非常有效。

Oct, 2022

Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

Apr, 2021