Jun, 2020

开放域对话代理：当前进展、未解决的问题和未来方向

PDF
TL;DR该论文讨论了构建一个引人入胜的开放领域对话代理所必需的特质，研究成果以及未来的发展空间。特别是，讨论了不断学习、提供引人入胜的内容和良好行为的特性，以及如何衡量其成功。最后总结了作者的经验和建议。
open-domain conversational agentcontinual learningengaging contentmeasure successwell-behaved
发现论文，激发创造
  • 构建智能开放领域对话系统的挑战

    本文回顾了近期关于神经网络方法在开放领域对话系统中解决语义、一致性和互动性挑战的工作，以实现与用户建立长期连结并满足人类沟通、情感和社会归属需求。

    May, 2019

  • 走向开放领域对话学习

    本文提出修改对话系统，使其能够学习的方法，并讨论了如何从对话中提取知识、更新代理的语义网络并以行动和观察为基础。希望引起人们对该领域的关注，并成为未来研究的重点。

    Feb, 2022

  • 面向目标的开放域对话

    本研究提出了一种基于关键词控制的方法，通过监督学习和话语级别的限制引导自然对话流向指定目标，我们通过创建增强的关键词对话数据集进行定量和人类评估，证明了我们的系统相对于其他方法可以产生有意义且有效的对话。

    May, 2019

  • Topical-Chat：面向知识驱动的开放域对话

    使用 Topical-Chat 数据集，我们训练了多个最先进的编码器 - 解码器对话模型，并进行了自动化和人工评估，以帮助在开放领域对话人工智能方面的进一步研究。

    Aug, 2023

  • 开放域会话人工智能技术现状：综述

    该论文调查了现有的开放领域对话人工智能模型，并提出目前存在的主要挑战，同时提供性别统计数据以引发相关伦理讨论。研究认为，虽然最新的技术有了很大进步，但仍需解决许多问题，并且女性模型相对男性模型更常见，混合模型比任何单一架构更具优势。

    May, 2022

  • 探测神经对话模型的对话理解能力

    本研究分析了神经网络开放领域对话系统所学习的内部表示，并评估了这些表示的质量以学习基本的交谈技巧。结果表明，标准的开放领域对话系统难以回答问题、推断矛盾并确定对话话题等任务，需要更多的研究来探讨建筑和训练方法，从而更好地捕捉有关对话的高级信息。

    Jun, 2020

  • 多模态开放领域对话

    本文旨在研究结合先进的开放域对话代理和视觉模型，以实现多模态对话的目标，研究不同的图像融合方案和域自适应预训练和微调策略，并展示了我们最好的模型不仅在多模态对话方面优于现有的强模型，而且在纯文本对话方面表现也和其前身 BlenderBot 一样好，同时我们还研究并整合了安全组件，展示这种努力不会削弱模型性能方面的吸引力度量。

    Oct, 2020

  • 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

  • 通过 Alexa 奖项推动开放领域对话系统的技术发展

    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

  • 基于语言事件的开放领域聊天机器人对话评估提案

    通过两项研究，本文阐述了当前的 Open-domain chatbots 的会话范围的局限性，建议使用 “small talk” 而非 “open-domain” 来描述目前的聊天机器人，同时提出需要改进评估方法以测试聊天机器人与其他语篇的对话。

    Nov, 2022