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

在这项工作中，我们研究了如何将任务定向对话和有知识的聊天有机地整合到单个模型中，通过创建一个新的数据集 KETOD 来自然地丰富基于相关实体知识的任务定向对话。我们还提出了两个新模型，SimpleToDPlus 和 Combiner，在自动和人工评估的实验结果中表现出显著的优越性能。

May, 2022

本文提出了一种新的任务 Open-Book TOD，将任务定向对话（TOD）与问答（QA）相结合，并扩展了外部知识来源，包括显式和隐式知识源。作者还创建了一个新的数据集 OB-MultiWOZ，提出了一个统一模型 OPERA，通过访问外部知识来应对定义的任务。实验结果表明，OPERA 的性能优于闭式基线，两种类型的知识都有其价值。

Jun, 2022

本篇论文提出了主观知识为基础的任务导向对话系统（SK-TOD）的新任务，以及配套的数据集，该数据集包含了主观知识寻求对话上下文和手动注释的响应，并探究了多个知识片段的不同观点如何汇聚的问题，以期促进 TOD 和主观内容理解的进一步研究。

May, 2023

本文提出了一种新的任务定向对话数据增强方法 TOD-DA，它包括对话丰富和口语会话模拟器，可以增加大规模高质量带注释口语会话，以提高口语任务定向对话建模的鲁棒性。在 DSTC10 Track2 的两项任务中，我们的方法均排名第一，证明了 TOD-DA 的优越性和有效性。

Dec, 2021

探索如何从社交对话到任务导向对话的平滑转换，为触发商业机会提供支持。提出了一个自动生成对话的框架，并在此基础上发布了一个大规模数据集，该数据集为未来的研究和商业活动提供了巨大的潜力。

Apr, 2022

该研究提出了通过 PPTOD 模型和新的对话多任务预训练策略来解决任务导向对话系统中存在的级联生成问题，取得了针对几个基准 TOD 任务的最新成果。

Sep, 2021

该研究提出了一种基于 Task-Optimized Adapters 和强化学习的 End-to-end TOD 系统，能够独立学习每个任务，并在 MultiWOZ 基准测试上表现出优越的性能，特别是在 2.2 数据集上的 DST 任务达到了最先进的水平。

May, 2023

该论文讨论了针对任务的对话系统，提出了基于填槽的 TOD 系统（SF-TOD）框架的局限性，探讨了可扩展的 WebTOD 框架，后者是在 Web / 移动界面上构建对话系统的替代方向，由大规模语言模型驱动对网页 / 移动界面的理解。

Dec, 2022

本文提出了一种混合知识管理的任务导向对话系统，并基于结构化和非结构化知识进行了优化，相比现有的任务导向对话系统具有更强的端到端性能和更高的非结构化知识检索准确性。

May, 2021