Macaw: 可扩展的对话式信息查询平台
本论文针对谈话式信息查找的限制制约了以往的理论研究和实验研究，提出了一个针对谈话式信息查找的流程管道和 “WISE” 数据集，并设计了神经网络架构和预训练 / 微调学习方案，在谈话式信息查找的所有子任务上进行训练，并发布数据集、代码和评估脚本，以便测量这个重要的研究方向的进一步改进。
May, 2021
本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结，发现多轮问答系统已取代了单轮问答系统的先前主导地位，这表明了其在提高人工智能对话系统方面的重要性，同时也描绘了开展更多进一步和有利的研究的未来研究方向。
Jun, 2021
通过对对话式搜索系统进行系统性文献回顾，我们识别出了真实世界的应用场景、系统架构和功能组件，给出了一个分层架构框架，并解释了对话式搜索系统的核心功能。此外，我们讨论了大型语言模型的能力、局限性和未来研究方向。
Jul, 2024
通过重新设计现有的机器阅读理解数据集，将其转化为互动、部分可观察的环境，加入上下文命令并训练模型，有望将模型扩展到面向 Web 级别的 QA 场景。
Aug, 2019
本文介绍了 USi，一种用于自动评估对话式搜索系统的用户仿真器，可自动回答与搜索主题有关的澄清问题，包括单轮和多轮交互。通过一系列实验证明了 USi 对人类生成的答案是相当的。
Apr, 2022
介绍了 ParIAI 平台，一个用于对话研究的开源软件平台，具有统一框架，机器学习模型等特点，它支持多种任务和数据集，包括 Squad、bAbI 任务、MCTest、WikiQA、QACNN、QADailyMail、CBT、bAbI 对话、Ubuntu、OpenSubtitles 和 VQA，并集成了记忆网络，seq2seq 和注意 LSTM 等多个神经网络模型。
May, 2017
本研究介绍了一个新的数据集，用于分析信息搜寻对话的用户意图分布、共同出现和流程模式，并利用 MSDialog 数据集发现了一些可用于设计对话式搜索系统的高频用户意图模式。
Apr, 2018
该论文介绍了 INSCIT 数据集，该数据集用于信息搜索对话的研究，其中包含 805 个人 - 人之间的对话中的 4.7K 用户 - 代理器的交互，定义了证据段落识别和响应生成的两个子任务，以及一个新的人类评估协议以评估模型的性能，证实现有大量改进的空间。
Jul, 2022