Dec, 2022

Flowstorm：混合对话架构的开源平台

PDF
TL;DR本文提出了一个名为 Flowstorm 的对话式 AI 平台，其使用了树结构和生成模型的组合对话式架构以及 NLU 模型进行训练，在 SaaS 项目中提供对话应用的快速构建与分析功能。
conversational aiflowstormdialogue architecturegenerative modelsnlu models
发现论文，激发创造
  • Converse：基于树结构的模块化任务导向对话系统

    Converse 是一种基于任务、灵活性高的对话系统，采用模块化设计并提供强大的多任务对话管理功能，支持任务依赖和任务切换，是一种易于构建和维护的机器人建造工具，适用于专业和非专业开发人员。

    Mar, 2022

  • 对话不是平面的：建模对话内容中动态信息流

    本文提出了 DialoFlow 模型，引入了动态流机制来模拟上下文的流动，并设计 3 个训练目标来捕捉大规模预训练中每个话语带来的语义影响，实验表明，DialoFlow 在对话生成任务中优于 DialoGPT。我们还提出 Flow 评分，这是一种有效的自动度量，用于评估基于预训练 DialoFlow 的交互式人机对话质量，与 11 个聊天机器人中的人类评分呈高聊天机器人级别的相关性（ $r=0.9$）。

    Jun, 2021

  • 可组合 NLP 工作流的数据中心框架

    本文介绍了一个能够支持自然语言处理工作流的开源框架，该框架包含了一个统一的数据表示方法和一个包含处理器、可视化和注释的大型处理库，提供了简单组装和互操作性，并能够轻松扩展以接入其他自然语言和深度学习库。

    Mar, 2021

  • 真相与唯一的真相：使用数据流传输和受限解码的忠实可控对话响应生成

    介绍了一种基于规则式与神经式语言生成结构的对话回复生成方法，该系统在流畅性，相关性和真实性方面在人类评估中的性能都优于基于规则式和学习式的方法。

    Sep, 2022

  • 推理与协作人工智能的构建基块

    通过引入 Flows 的概念框架，建立和研究结构化互动的系统化方法是非常重要的，研究表明结构化推理和协作能显著提高泛化能力，其中 AI Flows 的加成为 +21，人工智能和人类的协作加成为 +54（以解决率为指标），并且引入的 aiFlows 库可以支持快速且严谨的研究。

    Aug, 2023

  • Slugbot：一种新颖且可扩展的开放域社交机器人框架应用

    该论文介绍了一种新颖的、面向亚马逊 Alexa 奖赛的社交机器人，旨在与用户进行友好的谈话，并在各种话题上展开对话。我们提出了一种模块化系统，重点介绍了我们使用人类思维作为数据管理模型的不同数据来源以及我们如何构建和使用自然语言理解和信息检索工具和 API 来扩展我们的知识库。此外，我们描述了我们的半结构化、可扩展的框架，用于构建特定话题的对话流程，并详细说明了我们的对话管理方案和评分机制。最后，我们简要评估了系统的性能，并观察了开放领域社交机器人面临的挑战。

    Jan, 2018

  • 数据流对话生成

    在任务导向对话生成的数据流对话范式中，我们展示了议程驱动的多 WOZ 领域对话生成的示例，以及 SMCalFlow 领域中无议程生成对话的示例。当使用生成的对话来增强翻译训练数据集时，我们展示了用户请求到数据流表达的翻译准确性的提高。

    Aug, 2023

  • Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

    Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

    Apr, 2021

  • 面向对话式搜索的统一隐式对话框架

    本文提出了一种使用统一的隐式对话框架来进行面向目标，信息搜寻任务的会话搜索应用的方法，该方法可以利用底层数据表示来构建对话交互所需的组件，该框架由一系列端到端可训练模块的管道组成，其中集中的知识表示被用于语义地连接多个对话模块，各种工具被集成到该框架中以获取最终用户的输入以持续改进该系统，该方法的目标是通过识别可以适应和重复使用于许多最终用户应用程序中的组件和数据来促进对话系统的开发，我们通过为几个独立领域创建对话代理来展示我们的方法。

    Feb, 2018

  • SmartFlow: 基于 LLMs 的机器人流程自动化

    智能流 (SmartFlow) 是一种基于人工智能的机器人流程自动化（RPA）系统，它使用预训练的大型语言模型（LLMs）结合深度学习技术的图像理解，通过计算机视觉和自然语言处理来感知图形用户界面（GUI）上的可见元素并转换为文本表示，然后将其用于生成一系列由脚本引擎执行的操作，以完成所指定的任务。

    May, 2024