任务导向对话系统的助益性和公平性
本文探讨了任务导向对话系统的最新研究进展和挑战,特别在三个关键领域进行了深入讨论:提高数据效率、模拟多回合动态以优化任务完成性能,以及将领域本体知识与对话模型集成。此外,还评估了最近的对话进展和一些常用的语料库。我们相信,这虽然不是一个完整的调查,但它仍然可以为未来任务导向对话系统的研究提供启示。
Mar, 2020
本文介绍了针对多轮会话任务的目标导向对话系统,并开展了各种组件的评估研究,结果表明使用精细化监督训练的分段式对话系统比使用端到端模型训练的系统表现更好,且单轮评估结果并不总能反映对话系统整体表现,在早期开发阶段,使用模拟评估仍然是代价更小的可行选择。
May, 2020
本文提出了一种使用规划技术处理说明性对话代理的方法,从模型征集到生成的计划的执行,涵盖过程的所有方面,同时介绍了一种全新的计划编码方法、多种规划接口和一个强健的执行者。
Oct, 2019
本研究提出了一种用于处理商业任务导向型对话系统中未识别用户语句的端到端管道,包括特定定制聚类算法、新颖的聚类代表提取方法和聚类命名。通过评估这些组件,证明了它们在分析未识别用户请求方面的益处。
Apr, 2022
研究了对话决策问题的一个类别,其中 AI 助手与一个或多个人通过自然语言协作,帮助他们做出复杂的决策。为不同的任务建立了对话环境,并使用这些环境收集了人与人的对话作为基线,同时提出了模型在决策导向的对话中面临着一些挑战,并释放了环境作为未来建模工作的测试基地。
May, 2023
本文提出了一个测试平台,以研究在特定场景下 end-to-end 对话系统的性能,通过实验比较其与手工设计的系统的相似性及差异性。结果表明,end-to-end 系统基于记忆网络能够实现目标,但仍存在缺陷。
May, 2016
本文设计了一个目标导向的交互式系统,儿童可以通过诸如 “见面打招呼” 和 “Simon 说” 游戏等一系列交互活动与代理互动。研究人员探索了各种特征提取器和模型,以提高意图识别精度,并借助注意力模型等新颖的方式利用先前的用户和系统互动来进行对话适应,从有限的训练数据中引导学习的模型具有更好的性能。
Dec, 2019
本文讨论了人类在指定任务中使用应用程序所面临的挑战,提出了任务引导系统的发展需要寻找信息检索和会话系统来帮助任务的执行者,并针对现有数据集开发了一个基于 Wizard-of-Oz 的数据收集工具,进行了初步实验。
Nov, 2022
通过交互用户研究,比较了符合系统边界的具体目标说明和不支持但更真实的目标说明两种用户情境下,任务导向型对话系统的漏洞和错误,发现了一种新的机器行为 —— 伪装,在强调透明度和回退策略的同时呼吁建立稳健的任务导向型对话系统。
May, 2023