本文提出了一种新的框架，通过两个步骤查询知识库以提高生成的实体的一致性，第一步是使用KB检索组件检索最相关的KB行，以过滤Seq2Seq响应生成模型中的无关实体，第二步则进一步执行关注机制以解决相关的KB列。两种方法被提出来使训练可行，包括远程监控和Gumbel-Softmax技术。在两个公共数据集上进行的实验表明，我们的模型通过优于基准系统，在生成一致实体响应方面具有较好的效果。

Sep, 2019

本文提出了一种将知识库（KB）嵌入到模型参数中的方法，从而实现无需在交互中使用DST或模板响应以及KB作为输入的端到端对话系统；实验证明，基于该方法的端到端模型在各种KB大小下能够实现优异的性能。

Sep, 2020

本文介绍了把目标导向式对话任务（TOD）系统和非目标导向闲聊式对话系统（ODD）结合起来的难题，并基于流行的TOD数据集MultiWOZ构建一个包含两种对话模式交替的新数据集FusedChat，提供一种更具挑战性的基准测试，以测试对话模型在处理交叉模式上的表现。该数据集具有丰富的依赖模式，包括共示和省略，并提供了分类和融合等基线模型。

Sep, 2021

本文介绍了一个大型的任务导向对话摘要数据集(TODSum)，并提出了一种基于对话状态的结构化对话摘要模型来提高生成摘要的忠实度，证明了对话结构引导的有效性，并讨论了TODSum的当前问题和未来的发展方向。

Oct, 2021

为了实现对话系统的智能回答，文中设计了DRKQG，该系统能够根据上下文信息，在没有提前准备知识库的情况下通过搜索引擎检索相关知识，并利用生成模块同时考虑上下文信息和检索知识生成回答，实验结果表明，该模块在自动评估和人工评估两方面取得了优异的成绩。

Jul, 2022

通过使用简单的缓存，该研究为任务导向对话系统带来了更大的灵活性。实验表明，该框架具有卓越的性能，与强基线相比，非空联合目标准确率提高了6.7%。

Aug, 2023

利用最大边际似然方法训练感知检索器，通过利用生成回应的信号来提高生成回应的质量，并结合元知识指导生成器，以增强知识的利用能力。

Oct, 2023

通过整合知识检索和回答生成，本研究提出了一种检索生成器架构，利用检索器获取相关知识并生成系统回应，并通过生成器的反馈建立检索训练标签，通过对三个基准数据集的实验结果证明了方法在任务导向对话任务中的优越性能。

Oct, 2023

知识对话系统与互联网检索近年来吸引了研究人员的广泛关注。通过使用统一的模型实现检索决策、查询生成和回复生成的三个任务，我们的工作不仅解决了使用外部知识的必要性问题，还节约了多模型部署的复杂性和成本。在Wizint和Dusinc数据集上的实验证明了我们的统一模型在各个任务上的卓越性能，以及与针对每个任务单独部署的SOTA系统相比具有可比性的结果。

Jan, 2024

利用现有的任务导向对话数据集和大型语言模型（LLM）服务，我们提出了一种高效生成任务导向查询基准（ToQB）的新方法，并演示了如何自定义LLM提示，并表征生成的任务导向查询。

Jun, 2024