Sep, 2022

人机互动和人人机互动中词汇对齐与可教导机器人的比较

PDF
TL;DR通过基于数据驱动的共享表达概念的对齐度量，比较了一对一的人机互动和协作的人机人互动，发现与可教授机器人的语言对齐在一对一的人机互动场景中比协作的人机人互动场景中更为突出，同时文中还指出了语言对齐和人际关系之间的关系更加复杂。
rapportteachable agentlexical alignmentdata-driven measureshuman-robot interaction
发现论文，激发创造
  • 通过情感语言交互和差异结果训练进行人机相互学习

    本文研究了情感 - 语言交流在人机交互中的影响以及差异性结果训练对于人和机器之间的相互学习的影响，发现使用差异性结果训练以及探索 - 开发政策选择可以显著提高人和机器之间的相互学习，这对于社交辅助机器人在认知干预和教育应用等治疗场景中具有重要意义。

    Jul, 2024

  • 与人工智能进行对话：将语言模型与人类价值观对齐

    本文探讨了大规模语言技术在人类与对话代理之间的应用，提出了几个步骤以确保人类价值观得到贯彻，并探索了如何通过对话规范来协调对话代理与人类之间的通信。

    Sep, 2022

  • 使用人类反馈的 AI 对准研究中的方法论思考

    本文探讨了人工智能、对齐、大型语言模型、总结模型和人类反馈等方面的方法论挑战，特别是针对训练总结文本的 LLMs。具体地，我们关注的是收集可靠人类反馈的方法，以训练奖励模型并进一步改进总结模型。结论是建议有关 LLMs 总结能力对齐研究的实验设计方面进行特定的改进。

    Dec, 2022

  • 会话系统的词汇磁化

    通过提出一个新的数据集和一种测量方法，该论文探讨了当前的回复生成模型如何不充分地解决话语对齐（Lexical Entrainment）这一重要的类人现象，并提出了两个新的任务和两种基线方法来在会话系统中明确地整合话语对齐。

    Oct, 2023

  • LEEETs-Dial: 末端对话系统中的语言同步

    本研究通过使用共享词汇，介绍了一种实现基于 GPT-2 的端到端对话系统中对话对齐的方法，包括训练实例加权、对齐特定损失和附加调节等技术，通过在 MultiWOZ 数据集上比较不同的对齐技术，我们证明这三种方法都比基准产生出更好对齐的结果，并得到了自动化和人工评估指标的确认。

    Nov, 2023

  • 人机交互中拟人化感知的实时度量方法研究

    研究了人类与机器人面部交互的音响 - 语调协调程度，发现主观和客观对人形化的感知程度与音声 - 语调协调程度呈正相关。

    Jan, 2022

  • 互动就是你所需要的？关于机器人理解和执行能力的研究

    该研究旨在探索将机器人与人类环境进行自然语言交互以实现无缝操作的关键挑战，通过使用多变压器模型和 BART 语言模型，我们在执行对话历史任务上取得了显著的改进，并提出了一种新的任务扩展方法通过预测游戏计划来促进任务解决。

    Nov, 2023

  • 线性对齐：无需调整和反馈的人类偏好对齐的闭式解法

    基于语言模型的人工智能助手的成功依赖于从人类反馈中进行强化学习，而传统的对齐算法受到复杂的注释和训练要求的限制。本文引入了一种名为线性对齐的算法，通过一次推断步骤将语言模型与人类偏好对齐，消除了对数据注释和模型训练的依赖。线性对齐通过一种新的参数化方法对策略优化进行了改进，使得能够按照差异约束条件提取最优策略，并直接估计对齐的回应。广泛的实验表明，线性对齐显著提高了语言模型对齐在不同场景下的性能和效率。

    Jan, 2024

  • 基于情感的语言习得和差异结果训练的人机共享学习系统

    该论文介绍了一种新颖的人机交互设置，用于机器人和人类学习符号语言来识别机器人的稳态需求。结果显示差别结果训练可以提高人类的学习效率，进而实现更高效的机器人语言习得。

    Oct, 2023

  • 实时对话机器人的交互语言

    该研究提出了一个框架，用于在现实世界中建立交互式、实时的、自然语言指导的机器人，并开源相关资产 (数据集、环境、基准和策略)。

    Oct, 2022