本研究针对限定领域 API 的局限性，采用一种基于查询 - 选择 - 回应的方法，引入了外部非结构化知识资源，通过对话上下文信息的提取和增强实现了对超出 API 覆盖范围用户请求的响应，并在 DSTC9 Track 1 基准数据集上实现了全自动和人工评估的最优性能，验证了我们的贡献的有效性。

Jun, 2021

本文总结了我们在第九届对话系统技术挑战赛（DSTC 9）第一轨中的工作，我们提出了一种基于层次分类和序列嵌入的检索和生成方法，以实现针对任务导向对话中利用非结构化文本信息的回答生成。

Feb, 2021

本文介绍了第 8 届对话系统技术挑战赛的 Schema-Guided 对话状态跟踪任务，其目标是开发适用于大型虚拟助手的对话状态跟踪模型，重点是跨域的数据高效联合建模和新 API 的零 - shot 推广。本任务提供了一个包含 16 个领域超过 16000 个对话的数据集，其中包括一个能够零 - shot 推广到新 API 的基线模型。本文介绍了任务定义、数据集和评估方法，并概述了提交系统的方法和结果，以突出现今最先进技术的总体趋势。

Feb, 2020

本文描述利用预训练语言模型及粗层次知识信息进行基于任务的对话建模，实现对话历史和知识访问的响应生成，并在模型最终输出的基础上进行后处理策略以进一步提升知识应用，在客观指标下获得第二名，在人类指标下获得第四名的实验结果。

Dec, 2020

本文总结了我们在第 9 和 10 个对话系统技术挑战赛（DSTC9 和 DSTC10）的文档驱动对话任务中的贡献，包括知识选择，数据增强，响应生成和评估指标等领域。

Apr, 2023

介绍了第九届 Dialog System Technology Challenge (DSTC-9)，重点介绍使用端到端对话技术的四项任务，包括 1. 带有非结构化知识访问的任务导向型对话建模，2. 多领域任务导向型对话，3. 对话的交互式评估，以及 4. 位置交互式多模对话。讨论了每个任务的任务定义、基线和评估设置，总结了提交系统的结果，以突出该领域技术的最新趋势。

Nov, 2020

本文提出了一个基于客户评论和 FAQ 的交互式对话模型，主要通过围绕知识检索、知识选择和响应生成的三个阶段进行改进。我们主要针对知识选择模块的改进以提高整个系统的性能，我们提出了实体检索方法，其中基于命名实体识别的实体检索方法的搜索速度比基准模型提高了 7 倍。除此之外，我们还探索了一个关键词提取方法，该方法可以提高知识选择的准确性，初步结果显示知识选择任务的准确匹配得分提升了 4%。

Mar, 2023

本研究探索了多种高级技术，包括基于模式的知识决策、增强负例选择和基于知识的回答生成，利用外部知识资源来回答任务对话中 API/DB 无法覆盖的查询。在公共数据集上进行全面的实验后，本文提出的方法在 DSTC9 跟踪 1 中获得了最佳结果。

Feb, 2021

本文提出基于人人对话数据的挑战赛以训练端到端对话模型，实现了端到端的对话任务，模拟了客户服务的各种情况。

Jun, 2017

本论文介绍并参加了 DSTC9 互动式对话评估赛中的子任务一和子任务二，提出了预训练语言模型用于生成与特定话题相关的回复，并提出了回复集合方法，同时提出了用于捕获与人类互动中对话流程的对话策划模型，设计了一种集成的开放域对话系统，具有流畅，连贯，连贯和人类特征的响应，并在子任务一中获得了第一名的人类评分和最高的 Meteor 和 Bert 分数，在子任务二中排名第三。

Jan, 2021