本论文介绍了一个从多样化的新闻文章中提取主题并自动生成对话的聊天机器人，其关键组成部分包括新闻文章的主题分组、自动生成的问题集成到对话中以及通过一种新颖的方法选择问题，以避免重复性建议。我们描述了算法框架，并呈现了一项可用性研究的结果，表明使用该系统的新闻读者成功地参与了关于特定新闻故事的多轮对话。

May, 2021

本研究提出了一个名为 XPersona 的个性化对话数据集，并通过多语言训练的基线模型和跨语言训练的基线模型进行了实验证明。结果表明，多语言训练的模型优于翻译管道模型，并且其性能与单语言训练的模型相当，而跨语言训练的模型则表现出劣于其他模型的性能。该数据集和基线模型有望加速多语言对话系统的研究。

Mar, 2020

本文介绍了世界上最受欢迎的社交聊天机器人 —— 微软小冰的开发过程，其独特的设计使其成为具有情感联系的人工智能伴侣，以满足人类在沟通、情感和社交归属方面的需要。通过在系统设计中同时考虑了智商和情商，将人机社交聊天视为在马尔可夫决策过程上做出决策，并优化小冰以实现长期用户参与度最大化。详细介绍了系统架构和关键组件，包括对话管理器、核心聊天、技能和一种共情计算模块。展示了小冰如何动态地识别人类情感和状态，理解用户意图，在长时间对话中回应用户需求。自 2014 年推出以来，小冰已与超过 6.6 亿活跃用户进行了沟通，并成功与其中许多建立了长期关系。大规模在线日志分析表明，小冰的平均每次会话轮次数为 23，远高于其他聊天机器人甚至人类间对话。

Dec, 2018

该研究提出了一个框架，用于在现实世界中建立交互式、实时的、自然语言指导的机器人，并开源相关资产 (数据集、环境、基准和策略)。

Oct, 2022

本文介绍 PanGu-Bot，一个基于大型预训练语言模型（PLM）PANGU-alpha 的中文预训练开放域对话生成模型。从响应质量、知识和安全三个方面，PanGu-Bot 优于现有的中文对话系统，并且可以轻松地生成情感响应。但是，响应质量、知识正确性和安全性仍然不够完美，需要进一步研究来建立可靠智能的对话系统。

Mar, 2022

本研究介绍了 WeChat AI 在 WMT 2021 共享新闻翻译任务中的参与，并使用 Transformer 等多种方法来生成大量的合成数据，从而实现英语到中文、英语到日语、日语到英语和英语到德语的翻译，通过使用高级微调方法和基于 Self-BLEU 的模型加强，得到了 36.9、46.9、27.8 和 31.3 的 BLEU 分数，其中英语到中文、英语到日语和日语到英语的 BLEU 分数是所有提交中最高的，而英语到德语的 BLEU 分数是所有有限制的提交中最高的。

Aug, 2021

多模态 AI 代理通过处理和学习来自自然语言、视觉和音频输入的各种数据来指导行动，但将基于图像的数据转换为可操作结果仍然具有挑战性。本文介绍了一种多模态模型，其中包含专门为 AI 代理应用设计的功能令牌的概念，并优化为小于 1B 参数的紧凑尺寸，能够在各种边缘设备上高效运行，包括树莓派。

Apr, 2024

本研究旨在构建一种在线语言学习工具，通过使用对话系统作为实践对话伙伴，为学习者提供对话体验。我们的系统可以根据用户的语言熟练程度进行自适应，并且提供自动语法错误反馈来帮助用户从他们的错误中学习。根据我们的初步用户反馈，我们的系统既实用又有趣。此外，我们还将为学习技术社区提供一个大规模的关于语言学习和语法更正的对话数据集。下一步，我们将使用强化学习算法来使我们的系统更加适应用户个人信息。

Jul, 2022

本文讨论了如何提高社交聊天机器人的用户参与度，并阐述了在这一领域的核心技术，同时用小冰作为例子来说明如何在长时间的对话中识别情感并与用户进行交流。

Jan, 2018

我们提出了一种基于深度学习的外语学习平台 FreeTalky，它采用人形机器人 NAO 和各种深度学习模型，为那些对外语感到焦虑的人提供帮助。该系统采用基于人物角色的对话系统，为用户提供有趣和一致的多回合对话，并通过语法纠错系统促进用户的语法能力提高。此外，我们通过人类评估验证了 FreeTalky 是否能够通过用 NAO 机器人替代真人交流来缓解异国语言恐惧症。

Dec, 2021