该论文介绍了如何使用对比学习和多任务学习相结合的方法来提高上下文建模中的缺失语句重写系统的目的。实验表明，该方法在几个公共数据集上均达到了最先进的性能。

Mar, 2022

本研究提出了一种基于预训练语言模型的上下文相应匹配模型，引入了四个自我监督任务，并与 auxiliary tasks 一起多任务训练 PLM-based 响应选择模型，旨在提高多轮响应选择的准确性。实验结果表明，在检索式对话中，引入辅助自我监督任务对多轮响应选择带来了显著的改进，本模型在两个数据集上都达到了最新的最优结果。

Sep, 2020

本文提出了一种多层对比学习模型，用于模拟回复的细粒度质量。通过设计一个排名感知校准网络和关键词知识推断组件，提高响应的相关性和多样性。实验结果表明，与基线模型相比，该模型能够生成更相关且多样化的回复。

Sep, 2020

研究使用一个匹配模型来解决对话系统的响应选择问题，并提出一个包含三种特定教学策略的通用共同教学框架，该框架可以从含噪声的训练数据中学习出一个强健的匹配模型，以及通过在独立训练数据中同时学习两个匹配模型，从而达到显着提高匹配模型性能的目的。

Jun, 2019

本研究利用对比学习方法，在已有预训练模型为基础上，训练对话生成模型，提高其多样性和能力以应对开放领域会话问题，并提出一种适用于广泛对话生成模型的群内对比学习框架，实验结果表明该方法在性能上表现优异。

Sep, 2020

本文提出了一个树状结构预训练的对话模型 SPACE-2，通过半监督对比预训练从有限的已标注对话和大规模未标注对话语料库中学习对话表示，实现了在七个数据集和四个流行的对话理解任务上的最新成果。

Sep, 2022

本研究提出一个基于对话、槽位和单词水平的对比学习框架来显式对齐跨语言口语理解中隐含语义结构的多语种混合方法，通过引入硬负样本和标签关联联合模型，取得了两个零 - shot 跨语言口语理解的基准数据集中显著的性能改进。

May, 2022

利用资源本身的相关性析出不同类型的监督信号来降低训练数据噪声对响应模型性能的影响，通过主任务 - 互补任务对将互补任务输出转换为主任务实例的权重值，对话系统响应选择模型得到了显著提高，并在两个公共数据集上进行了全面的实验。

Feb, 2020

我们进行了关于有监督对比学习在多标签文本分类中的影响以及如何构建稳健的表示空间的研究，提出了一种新的对比损失函数，并在三个多标签数据集上实现了显著的宏 F1 分数改进。

Apr, 2024

本研究采集了一组大规模的多模式对话语料库，并设计了一种新的门控多模式融合机制来利用各种信息进行转换预测。为了解决数据不平衡问题，我们设计了一种简单且有效的数据增强方法，通过对比学习得到更好的特征表示。实验证明，我们的模型在多个方面表现优异，比几种最先进的基准方法更为竞争力。

Apr, 2022