Feb, 2022

人工智能长期游戏中的知识工程：基于言语行为的案例研究

PDF
TL;DR本文介绍了知识工程的原理和方法，使得开发跨领域和应用的语言能力智能体成为可能。我们以对话行为建模为例，描述了基于 OntoAgent 知识中心的认知架构的综合方法，并突出了过去方法的局限性，这些方法将对话与其他代理功能隔离开来。
knowledge engineeringintelligent agentsdialog act modelingontoagentcognitive architecture
发现论文，激发创造
  • 互动文本游戏的知识增强代理

    该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程，并考虑了多种不同的注入策略，包括知识图谱和输入编码策略的增强，实验结果在 ScienceWorld 文本游戏环境中得到证明。

    May, 2023

  • 利用大型语言模型进行知识工程

    知识工程学是一个专注于生成和应用知识的学科，传统上它主要关注以形式语言表达的知识。然而，大语言模型的出现及其与自然语言的高效处理能力，对知识工程学的基础和实践提出了问题。在这篇论文中，我们提出大语言模型在知识工程学中的潜在作用，并确定两个中心方向：1）创建混合的神经符号知识系统；2）实现自然语言下的知识工程。此外，我们还提出了一些关键的开放性研究问题来解决这些方向。

    Oct, 2023

  • 维基百科巫师：知识驱动的对话代理

    通过从 Wikipedia 中检索知识来生成自然回复，我们的最佳对话模型在 Open-Domain 话题上进行了知识交流，同时我们的新基准允许在这一重要研究方向上进行进一步的改进。

    Nov, 2018

  • 利用常识知识增强端到端对话系统

    本文研究了将常识知识有效地集成到对话模型中的影响，并在基于检索的情境下提出了 Tri-LSTM 模型，将消息和常识联合起来选择适当的响应，实验证明知识增强模型比无知识模型在自动评估中表现更好。

    Sep, 2017

  • 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

  • 构建类人交际智能：一个基于现实经验的视角

    该论文旨在提出一种 “基础” 的视角，启发人工智能的进步，包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向，以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分，以建立人类一样的语言能力。

    Jan, 2022

  • 从知识增强到多任务学习：走向类人对话系统

    研究人工智能中的对话代理，探索深度学习技术如何提高人工对话代理水平。

    Nov, 2022

  • 面向聊天机器人的连续知识学习引擎

    本文提出了一种面向聊天机器人的通用知识学习引擎 LiLi，旨在使他们在对话过程中不断交互学习新知识和进行推理，将聊天机器人的应用范围进一步扩展。经过实验证明，本文所提出的 LiLi 技术是相当可行的。

    Feb, 2018

  • 认知即所需 - 大型语言模型之上的人工智能下一层

    近期关于应用于复杂实际知识工作的对话人工智能工具（如由大型语言模型驱动的聊天机器人）的研究表明，这些工具在推理和多步问题解决方面存在限制，且现有聊天机器人模拟浅层推理和理解，在问题复杂度增加时容易出错。本文介绍了认知人工智能（Cognitive AI）的一个高层框架，用于在大型语言模型之外实现可编程定义的神经符号认知，提出了一个双层功能架构，可用于执行复杂多步知识工作的人工智能系统的路线图，认为 Cognitive AI 是实现更高级别的人工智能（如 AGI）的必要前提，并明确指出仅凭概率方法无法实现 AGI。最后讨论了大型语言模型、AI 采用周期和商业认知人工智能开发的影响。

    Mar, 2024

  • 终身学习对话系统：自学聊天机器人

    本文提出使用不断学习的方法，通过与用户进行对话，改进对话系统（chatbots）中按人工规则编译知识库和局限于理解自然语言的能力，提高在多种语言表达和聊天技能方面的用户满意度。

    Sep, 2020