EMNLPNov, 2022

BotSIM：商务任务导向对话系统的端到端机器人仿真框架

PDF
TL;DRBotSIM 是一种数据高效的端到端 Bot 模拟工具包，用于商业文本任务导向对话系统，其包括生成器、基于议程的对话用户模拟器和修复程序，加速端到端 Bot 评估和迭代过程。
发现论文，激发创造
  • BotSIM：商业任务导向对话系统的端到端对话机器人模拟工具包

    BotSIM 是一个模块化、开源的机器人仿真环境，具有对话生成、用户模拟和对话分析功能，旨在成为大规模、数据高效的商业任务导向对话系统评估、诊断和修复的一站式解决方案，以显著加快商业机器人的开发和评估，降低成本和上市时间。

    Nov, 2022

  • DialSim：一个用于评估对话代理的长期对话理解能力的实时模拟器

    通过引入实时对话模拟器 DialSim，可以对最新的对话代理进行评估并分析它们的局限性，为未来的对话人工智能领域的改进提供有价值的见解。

    Jun, 2024

  • 使用大型语言模型进行任务导向对话评估的用户模拟

    为了推动自动化任务导向对话系统的评估，本研究提出了一种基于预训练语言模型的新型用户模拟器，并通过上下文学习来生成具有鲁棒性和语言多样性的输出，以模拟人类对话行为。通过与现有对话系统交互，并收集人机交互数据集，验证了该用户模拟器在单一意图对话目标方面的表现与人类相似。

    Sep, 2023

  • 任务完成对话用户模拟器

    该研究论文介绍了用于电影预订领域的用户模拟器，它利用规则和收集到的数据，并支持电影票预订和电影寻找两个任务。为了实现对对话框架的经验算法比较，论文提出了一种新的模拟框架，展示了多个代理的思路，并详细介绍了将自己的代理添加到所提出的框架中进行测试的过程。

    Dec, 2016

  • SIMMC 2.0：面向任务的沉浸式多模态对话数据集

    本研究提出了一个基于真实情境的多模交互对话数据集 SIMMC 2.0，收集了 11,000 个在购物领域的用户 <-> 助手任务对话。数据集通过模拟器和手工语句改写收集，可用于对话系统的基准测试和自然语言处理研究。

    Apr, 2021

  • BotsTalk: 自动化筛选大规模多技能对话数据集的机器源框架

    提出了一种名为 BotsTalk 的新框架，其中多个代理参加交谈以自动注释多技能对话，并展示了一个名为 BSBT 的大规模多技能对话数据集，通过广泛的实验表明，我们的数据集对于需要理解技能融合和技能基础的多技能对话系统非常有效。

    Oct, 2022

  • 针对任务导向对话系统的上下文学习用户模拟器

    本研究提出了一种基于大型语言模型的用户模拟方法来优化面向任务的对话系统，这种方法通过在用户目标和有限对话示例的基础上产生多样化的话语来消除手工规则定义或广泛注释数据的需要，并对用户模拟器和对话系统之间的相互作用进行了误差分析，提供了改进的有价值见解。

    Jun, 2023

  • AgentSims：用于大型语言模型评估的开放源码沙盒

    使用 AgentSims 构建任务评估方法，解决现有评估方法的局限性，并提供易于使用的基础设施，供研究人员测试大语言模型的能力。

    Aug, 2023

  • 基于可靠 LLM 的任务导向对话系统用户模拟器

    DAUS 是一种基于大型语言模型的领域感知用户模拟器，通过在真实的面向任务对话示例上进行微调，显著提高用户目标的实现，并有效减少模拟器回应中的不一致性来源。

    Feb, 2024

  • SIMMC: 多模态对话数据收集和评估平台

    SIMMC is a platform for multi-modal conversational data collection and evaluation of digital virtual assistants through an immersive setup, with the aim of providing a situated conversational dataset for the Conversational AI research community.

    Nov, 2019