EMNLPOct, 2022

理解对话系统中错误拟人化言语：机器人不会哭泣

PDF
TL;DR通过收集大约 900 个对话样本，我们发现用于训练对话系统的一些常见数据源中，20-30％的话语被认为机器不可能说出来。此外，我们还研究了建模配置如何影响输出许可，并讨论了构建不那么虚假拟人对话系统的影响。
dialog systemsmachine responseshumanoid robotdigital assistantanthropomorphic dialog systems
发现论文，激发创造
  • R-U-A-Robot 数据集：通过检测用户关于人类或非人类身份的问题来帮助避免聊天机器人欺骗

    本文探讨了人机交互中系统设计与研究者如何允许系统确认其非人身份，研究了大量针对是否为机器人的表述与系统无法识别的内容，比较了不同分类器识别意图的效率和模型复杂度之间的权衡，提出了避免误导的虚假响应型对话系统的思路，并研究了已经投入使用的系统在确认非人身份方面的表现。最后，本文通过用户研究，总结了响应此意图所需的各个方面。

    Jun, 2021

  • 关于对话系统中拟人化现象的幻觉

    讨论对话系统中造成拟人化的语言因素及其危害，并建议在设计、开发、发布和描述中特别关注语言线索，以避免用户的人格化误解。

    May, 2023

  • 思前想后：一个类似人类的两阶段对话代理，用于情感响应生成

    本文提出了一种基于神经网络的两阶段对话模型，通过从语义和情感角度对话生成，不需要大量情感标注数据。实验表明，该模型在情感生成方面优于其他比较模型，并在语义性能上保持一致性。

    Jan, 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

  • 面向社交机器人的数据驱动情感身体语言生成

    采用深度学习生成模型来生成机器人情感表情，通过几个手动设计的机器人身体表达生成一个新的符合上下文感知的表达。评估结果表明，生成的表情与手动设计的表情没有显著差异，且能达到不同目标情绪的效果。

    May, 2022

  • 基于自动对话系统的情感智能对话生成研究

    该研究将情感智能技术整合进自动对话系统中，通过深度学习和自然语言处理技术创建了一个具有情感智能的对话生成模型。该模型能够实时检测和理解广泛的情绪和特定的疼痛信号，使系统能够提供共情互动。通过整合研究 “人工智能能检测疼痛并表达痛苦共情吗？” 的结果，增强了模型理解痛苦共情的微妙元素的能力，为情感智能对话系统设定了更高的标准。该项目旨在为将先进的情感智能能力整合到对话系统中提供理论理解和实际建议，从而提高用户体验和交互质量。

    Apr, 2024

  • 追求共情的人机交互

    通过使用信号处理技术、情感分析和机器学习算法，我们提出了一个名为 Zara 的超级女孩的原型系统，通过学习和收集更多的数据，它可以越来越聪明、更有共情能力，并提出了深度学习情感和情感识别以及幽默识别领域的工作。

    May, 2016

  • 从知识增强到多任务学习：走向类人对话系统

    研究人工智能中的对话代理，探索深度学习技术如何提高人工对话代理水平。

    Nov, 2022

  • 同情始於微笑，智慧始於語言：在人機交互中使用多模態功能

    研究发现，人机面对面互动过程中的社交信号、语言特征、情感表达等特征与用户对机器人的印象有关；其中，用户面部表情的快乐程度与机器人的好感度强相关，而对话特征与机器人的智能感知有关。这些特征有望成为在线补偿信号，用于基于增强学习的自适应人机对话系统中。

    Jun, 2017

  • 情感社交人形智能系统

    本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

    Apr, 2023