此研究提供了通过使用对话中的对接行为和对接单元进行标注的两个对话语料库及其对接程度的度量，以测试当前的语言模型在对话的对接行为分类中的性能，并旨在进一步研究使与机器的对话更易理解和更可靠的资源。

Mar, 2024

本研究提出了一项最小化的对话任务以测试和分析对话系统在复杂场景下共同理解能力，并收集了 6,760 个对话的数据集，在此基础上，我们对共同理解的重要现象进行了分析，并对利用神经模型识别共同话语的常见方法进行了评估和分析，旨在为对话系统的训练、评估和分析提供基础测试平台。

Jul, 2019

本文介绍了一种通过协议达成共识的对话设置，除任务级别目标外，还有一个次要的、显式的目的 —— 达成对任务级别目标是否达成的共识 —— 使得会话参与者更关心彼此的理解，从而产生更丰富的数据以推导模型。

Aug, 2019

这篇实验研究分析了信息寻求对话中大型语言模型在分类明示或隐含对话转换以及预测对接知识元素方面的能力，并揭示了大型语言模型在这两个任务中遇到的挑战，讨论了通过流程架构和知识库改进大型语言模型的对话接地理解的研究工作，在对话中处理对接知识的复杂性方面，旨在开发更加有效的对话系统。

Jun, 2024

本文介绍了一种通过模仿社交媒体上的非正式互动改善系统的原始会话能力的方法，并利用 Reddit 上的过滤评论数据作为 seq2seq 生成器的额外上下文，以提高开放域对话系统的能力。

Jun, 2022

本文介绍了一个大规模的众包文字冒险游戏作为研究平台，用于研究基于场景的对话。在其中，代理可以感知，表情和行动，同时与其他代理进行对话。我们介绍了在这种情况下训练最先进的生成模型和检索模型的结果。我们展示了除了过去的对话，这些模型还能够有效地使用潜在世界的状态来调整它们的预测，特别是使用本地环境的详细信息，包括位置描述和其中存在的对象（及其可用性）和角色（及其先前的行动），可以更好地预测代理行为和对话。我们分析了在这种设置中成功落地所需的要素，以及每个因素如何与能够成功说话和行动的代理相关。

Mar, 2019

现有的大型语言模型在构建共性时，假设存在共同基础，而无需使用对话行为，因此需要进一步研究人机交互中的共性问题。

Nov, 2023

本研究提出了一个新颖的任务设定，以研究在动态环境下创建和维护共同基础的能力，通过新的数据集和实验，探讨了该设定引入的挑战和基线对话系统的能力，并讨论了未来的研究前景。

May, 2021

本文探讨了开放领域聊天机器人的共同语境问题及其影响，根据共同语境的理论提出了解决方案。

Mar, 2023

在本文中，我们提出了一种新的任务，即主动引导的新闻对话，其中对话系统可以根据新闻的关键主题主动引导对话。为了进一步开发这一新任务，我们收集了一个人对人的中文对话数据集 NewsDialogues，其中包括 1000 个对话，总共 14600 个话语，并对目标主题和知识范围进行了详细注释。此外，我们提出了一个名为 Predict-Generate-Rank 的方法，包括一个用于基于知识的预测和回复生成的生成器，以及一个用于多个回复排名以减轻曝光偏差的排序器。我们进行了全面的实验证明了所提方法的有效性，并提出了几个关键发现和挑战以促进未来的研究。

Aug, 2023