BiToD 是第一个用于多语言任务导向对话建模的双语多域数据集，并为评估双语 ToD 系统和跨语言转移学习方法提供了有效的基准。

Jun, 2021

本文通过整合多个人机对话数据集，结合用户和系统记号改良预训练模型，提出了对话任务 BERT（TOD-BERT）模型，并通过四个对话应用领域的实验验证，表明 TOD-BERT 在意图识别、对话状态跟踪、对话行为预测、响应选择等方面超过了强对话模型 BERT，并且具有更强的少量数据学习能力。

Apr, 2020

多语言自然语言处理中任务导向对话系统性能差异的经验分析和洞察，以及新语言中 ToD 数据收集和系统开发的实用建议。

Oct, 2023

提出了一种名为 BiDeN 的通用对话编码器，用于捕捉对话的时间特征，将预训练语言模型用于编码对话记录是不够充分的，实验证明 BiDeN 在不同的下游任务中都表现出了卓越的效果。

Apr, 2022

本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

Apr, 2016

为了促进多语言代码混合对话模型的开发，我们构建了一个包含代码混合对话的目标导向对话数据集，并在其中使用英语 - 印地语、英语 - 孟加拉语、英语 - 古吉拉特语和英语 - 泰米尔语的多语言版本。

Jun, 2018

本研究提出一项新的任务：针对不同语言的演讲者进行语音对话翻译，构建 SpeechBSD 数据集并进行基线实验，探讨上下文的重要性，提出单语言上下文和双语言上下文两种方式，并使用 Whisper 和 mBART 等方法进行级联语音翻译实验，结果显示在我们的设置中，双语境表现更好。

May, 2023

提供了一种名为 BiSync 的双语写作助手，可以自由地在两种语言中撰写文本，并保持两种语言文本的同步。此外，还包括显示替代翻译和释义等附加功能，旨在促进文本创作。

Jun, 2023

这篇论文介绍了一个名为 IndoToD 的端到端多领域任务导向对话系统基准，用于印尼语。作者通过将两个英语 ToD 数据集转换为印尼语，并通过去成分化来减小注解的规模，提供了一个高质量的数据集。这个基准可以用于评估印尼语和英语 ToD 系统，同时探索跨语言和双语传递学习方法的潜在益处。

Nov, 2023

设计了一个双语 SVS 系统用于英语和汉语普通话的人声合成，并通过使用 CMU 词典与映射规则实现中文和英语歌声之间的共享表示，融合了单语歌唱数据集和已建立的歌声转换技术来生成双语歌声，并探索了双语语音数据的潜在用途。通过实验证实，我们的语言独立表示和相关数据集的融合使得单一模型在英语和 code-switch SVS 中获得了强化的性能，同时保持了中文歌曲的表现。

Sep, 2023