本文提出了一种基于统计学方法的对话行为建模方法，通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测，并应用于语音识别和对话行为分类，实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。

Jun, 2000

本文介绍了一种基于多维度的对话级度量方法，由三个子度量组成，对每个子度量使用新颖的自监督方法进行训练，通过指标组合和多任务学习的方式，综合度量显著优于单一子度量。

Oct, 2022

本文提出了一个新颖的自监督细粒度对话评估框架 SelF-Eval，该框架的核心思想是建立对话质量和对话中每个交互回合质量之间的相关性模型。采用多级对比学习架构训练 SelF-Eval，并提出一种可自动分配细粒度分数的对话数据构建方法，实验结果表明，SelF-Eval 与人类评价高度一致，优于现有的最先进模型。

Aug, 2022

本文提出了 DialoFlow 模型，引入了动态流机制来模拟上下文的流动，并设计 3 个训练目标来捕捉大规模预训练中每个话语带来的语义影响，实验表明，DialoFlow 在对话生成任务中优于 DialoGPT。我们还提出 Flow 评分，这是一种有效的自动度量，用于评估基于预训练 DialoFlow 的交互式人机对话质量，与 11 个聊天机器人中的人类评分呈高聊天机器人级别的相关性（ $r=0.9$）。

Jun, 2021

DFEE 是一个交互式数据流执行和评估工具包，支持语义解析器的执行、可视化和基准测试，提供友好的接口来诊断解析结果，还提出了一个更复杂的基准测试用例和任务成功评估指标来演示如何进行基准测试。

Dec, 2022

在线联合微调流程的方法适用于复杂问题的解决方案生成，通过模拟器访问提供对决策的偏好，适用于多跳 QA 数据集 Musique 并取得最新成果。

Jun, 2024

本文提出了一种利用对话行为预测进行多任务学习的新方法，用于对话连贯性评估，并消除了对显式对话行为标签的需求，有效解决了以往研究领域中语义限制有限以及性能强烈依赖于输入对话行为标签等问题。

Aug, 2019

我们提出了一种从对话历史中无监督地发现对话流的方法，从而使该过程适用于任何提供这样历史的领域。通过将话语表示为向量空间并根据语义相似性进行聚类，然后使用这些聚类作为转换图的顶点来可视化对话流。我们通过在 MultiWOZ 上进行实验，发现了具有显著意义和相关性的对话流，并引入了一个自动验证度量标准进行评估。实验结果表明，这种提取任务导向对话中有意义流的方法具有潜力。

May, 2024

这篇论文对 23 种不同的自动评估度量在 10 个不同的数据集上进行了评估，并在不同的设置中对其进行了评估，从而更好地确定它们各自的优缺点。综合评估提供了关于对话评估指标的几个认识，为未来的研究提供了有用的指导。

Jun, 2021

本论文旨在通过引入对话行为，设计一种基于句子门控机制的神经摘要模型，以更好地模拟对话行为和摘要之间的关系，从而提高其在 AMI 会议语料库上的性能表现。实验结果表明，所提出的模型相对于现有的基线表现有很大改善，突显出对话行为所提供的交互信号的实用性。

Sep, 2018