本文研究了多模态经验、语言学习和具体到抽象的词汇发展历程，并提出了一种结合当代模型和基于词汇的模型的语义模型，并使用机器人对话系统来学习语言。

May, 2021

本文回顾了近期关于神经网络方法在开放领域对话系统中解决语义、一致性和互动性挑战的工作，以实现与用户建立长期连结并满足人类沟通、情感和社会归属需求。

May, 2019

本文提出一种通用的情境语言学习范式，旨在设计可靠的语言代理以能够与人类进行成功的合作。

Oct, 2016

本文正式定义和介绍了社会影响对话系统的类别，该类别通过自然对话影响用户的认知和情感反应，从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查，汇编了七个不同领域的进步情况，并讨论了所研究系统的共性和差异，指出了局限性并提出未来的研究方向。本研究作为社会影响对话系统的全面参考，可以激发在这个新兴领域更专注的研究和讨论。

Oct, 2022

本文研究了在完成一个同时进行的视觉 - 对话任务时，如何识别非合作对话者，使用学习理论的工具开发了理论模型，提出了多种沟通策略并应用强化学习来实现，通过对 GuessWhat?! 数据集的非合作对话语料库的实验结果验证了理论模型的有效性。

Jul, 2022

本文探讨了在与人类进行自然语言对话或直接语音交流的过程中，将对话系统的研究置于综合智慧的广阔背景之中，从而引入来自神经生物学和神经心理学的概念，以定义能够调和手工设计和人工神经网络的行为架构，并为模仿或指导式学习等未来新的学习方法开启新的可能性。并且，本文介绍了一种神经行为引擎，通过使用图形化语言基于手工模型创建混合主动对话和动作生成。通过在半公共空间上运行的虚拟接待员应用程序，描述了这种类脑启发架构的可用性示范。

Jun, 2024

本文提出了一种可扩展的语用学方法，通过信息论原理来在代理人之间掌握语用技能，建立了一种新的架构和学习过程，而不是依靠人类数据。

Aug, 2021

通过交互模型卡改进用户体验，为不熟悉自然语言处理或机器学习的用户提供深度学习模型文档的设计指南。

May, 2022

提出了一种交互式多模态框架，通过协作推理游戏，实现神经网络学习语言，初步实验结果可喜，但需注意避免智能体发展出仅针对游戏有效的特定通信编码。

May, 2016

人们通过上下文来丰富文字表达，实现简洁而有效的沟通，为了让人工智能系统能够与人类进行自然交互，需要强调语用学技能，从分享语言目标和约定到视觉和肢体世界中的语境等，利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法，并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系，从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求，以自然地引出语用现象的建议，并建议在更广泛的沟通语境和便利方面继续探索。

Nov, 2022