EMNLPOct, 2020

将发给虚拟助手的信息的身份转换

PDF
TL;DR本文介绍了一种系统，该系统允许虚拟助手接收一种声音消息，将消息的观点转换为目标用户的观点并将结果交付给目标用户。 该系统基于一种基于规则的模型，将线性文本分类模型、词性标注和组成结构分析与基于规则的转换方法相结合。此外，文中还探讨了多种神经机器翻译方法来实现自动自然度和忠实度，最终选择了 BLEU 和 METEOR 度量方式。本研究公开了数据集，其中包含 46,565 条众包采集的样本。
发现论文，激发创造
  • 情感社交人形智能系统

    本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

    Apr, 2023

  • 聊天机器人对话回应的评分

    在本文中，我们通过提交 60 个提问并基于三项机器翻译评分标准（BLEU，METEOR 和 ROUGE）对 ChatGPT 的回答进行了分析，结果显示出与人类典型反应相比，ChatGPT 在回复和翻译方面的能力虽然显著，但仍有所欠缺。

    Feb, 2023

  • OpenAssistant Conversations -- 大型语言模型对齐的民主化

    研究大规模语言模型的发布与使用，利用调整技术进行优化以改善使用性，此文介绍 OpenAssistant Conversations 数据库的发布，使用该人类生成的、人类注释的数据集进行训练后得到了全新的软件 OpenAssistant。相对于 ChatGPT，OpenAssistant 的答复被用户更青睐，其发布的代码和数据完全遵循宽松许可证，可供研究者使用。

    Apr, 2023

  • 神经机器翻译的释义生成

    该研究提出了一个自然语言生成系统，使用机器翻译和深度循环神经网络来生成语言交互和注释，并在 ASk 技能上评估其对 NLU 模型的影响，在未见过的技能中得到显着改善。

    Jun, 2020

  • 伦理、参与规则和人工智能：使用大型变压器语言模型进行神经叙事映射

    本文介绍了一种基于 OpenAI GPT-3 语言模型的机制，利用大型语言模型的叙述输出生成图表或 “地图”，旨在提供对模型中信息，观点和信仰组织方式的洞察，进而提供理解物理距离下意图和响应的手段。研究问题以及具体实现方法的讨论涉及了信息空间映射，命令意图的推断和下级意图评估，并证明了所提出方法的有效性。

    Feb, 2022

  • 为培养情感 - 情感开放领域聊天机器人而设计的积极情感对话语料库

    该研究使用情感数据增强方法，基于明确建模多轮对话中积极转移的情绪数据构建了语料库，并通过微调预训练的对话模型，开发了一种情感 - 情感开放域聊天机器人。该方法被证明在各种情感 - 情感指标上接近于人类表现，并与一些最先进的开放域聊天机器人进行了比较，证明了该方法的有效性。

    Aug, 2022

  • 口语化头像系统的人类相应延迟对话回合

    通过分析谷歌自然问答数据库，本文展示了 GPT-4 可在超过 60％的时间内从问题末尾的遗漏词语有效填补丢失的上下文，并探讨了这种信息损失对发展中的角色模型质量的影响，同时提出了使用简单分类器来确定是否需要填充短语以满足人类对话时间限制的问题是否语义完整。

    Apr, 2024

  • 实时对话机器人的交互语言

    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

  • 使用对话自我博弈，一夜之间构建一个交流代理人

    提出了基于自动化和众包的 Machines Talking To Machines (M2M) 框架，可用于创建面向目标对话的端到端对话代理，该框架可适应特定任务，并能够收集更多不同领域内的对话流，并维持对话时的自然度，同时，提供了一个新的对话语料库，包含 3000 次对话，涵盖了 2 个领域，与流行的对话数据集进行了比较。

    Jan, 2018

  • PENTATRON：针对检索式对话理解的个性化上下文感知 Transformer

    本文研究如何通过构建一种可扩展的实体矫正系统 PENTATRON，利用参数化的基于转换器的语言模型学习客户和设备之间的交互模式以及非参数化的个性化实体索引来计算正确的查询，从而帮助下游组件理解最佳响应，提高准确率。通过实验表明，该系统可以使关键指标（精确匹配）提高多达 500.97%。

    Oct, 2022