研究智能助手是否可以匹配用户的聊天意图,构建了新的数据集以及使用推特和Web搜索查询来处理无特定领域的用户发言，实验结果表明，使用tweets和Web搜索查询可以进一步提高智能助手的F1分数。

May, 2017

本研究介绍了一种基于LSTM域选择组件的人工智能助理系统中对于选择相关新训练数据的方法，实验结果表明，与随机选择和基于熵的方法相比，在固定标注预算的情况下提供了更高的准确性提升。

Aug, 2019

本文介绍在缺乏结构化训练数据的真实工业场景中实现智能过程自动化(IPA)交谈助手的挑战，以及使用迁移学习方法重新实现自动化系统多个组件，从而为用户提供结构化且在某种程度上标记的培训数据。

Jan, 2020

本研究旨在提高个人助理系统中的回答质量，通过分析用户意图模式，提出了一种基于Transformer架构的意图感知自注意力模型（IART），结合了用户意图建模和语言表示学习，并在三个数据集上进行了实验，结果表明该模型优于基准方法。

Feb, 2020

本文详细调查了面向会话的推荐技术现有的方法，将这些方法按支持的用户意向或背景知识等维度分类，同时讨论了技术方法、CRS的评估，以及未来需要更多研究的领域。

Apr, 2020

本文研究了语音助手的建立过程，比较了采用专门构建的机器学习模型和再利用现有模型的方法的性能和开发工作量，并分享了基于数据驱动的实施决策及其预期成果。

Aug, 2021

本文提出了定制化对话推荐系统（CCRS）的概念，以提高用户体验，包括多样化的对话回复生成器和细粒度意向识别，并通过元学习的方法定制化模型参数，实验表明CCRS在推荐和对话服务方面具有优越性。

Jun, 2022

本研究提出了一种对话行为引导的上下文适配器网络，改善了多轮对话中自然语言识别的性能，相较于现有技术提高了数量级，具体表现为相对相对单词误差率降低58%。

Mar, 2023

通过使用Dialog Quality Annotation（DQA）工作流程，对整个对话进行评估和标注，我们展示出使用有监督的模型进行对话质量估计的效果较纯粹基于整合对话层次特征的方法更好，同时建议使用高质量的人工注释数据是评估大型工业规模语音助手平台交互质量的重要组成部分。

Jun, 2023

语音助手面临指导复杂任务的困境，阅读书面指示的方法存在局限性。本研究观察了12位参与者使用先进的语音助手在家烹饪，发现目前的方法导致了九个挑战，包括隐藏整体情况、提供过多信息以及无法传达信息。通过语音转化书面指示为口头交流形式，提出了八种改进方式，并展望了自然语言处理的现代进展如何帮助智能代理有效地指导用户完成复杂任务。

Jun, 2023