EMNLPJan, 2023

智能友好的对话代理：基于知识和角色认知的应用

PDF
TL;DR本论文提出了一种有效的对话代理，同时考虑外部知识和个性，通过检索增强生成和知识个性增强查询来生成话语，实现了更少幻觉和更有吸引力的对话，在自动指标上的基于个性和知识的对话任务达到了最先进的性能，同时，通过人类评估和定性结果证明了模型对话的幻觉和吸引力，验证了检索的有效性。
发现论文，激发创造
  • Persona-Knowledge 对话多上下文检索和增强解码方法

    本文通过设计一种数据增强策略，运用神经问答检索模型，探讨了 Persona-Knowledge 的识别和响应生成任务，采用不同的解码技术进行对话生成，最终取得了 93.99% 的平均重合度和 23.62 分的 SacreBLEU 分数，成为当前 SOTA 的最佳实践。

    Jul, 2022

  • 呼唤个性化对话：个性化对话基于人设和知识的支撑

    通过使用用户角色和维基百科知识，针对庞大的谈话代理和数据集存在的不足，引入了一个 Call For Customized conversation (FoCus) 数据集，以在预训练的语言模型中评估信息和定制发言的生成能力，并通过自动分数进行评估，得出通过角色和知识反映模型的适当发言的结论。

    Dec, 2021

  • 检索增强减少对话中的幻觉

    本文研究了基于神经检索的循环架构在知识驱动的对话中的应用，将多个组件（检索器、排名器和编码器 - 解码器）结合在一起以最大化可知性并保留对话能力，在两个知识驱动的对话任务中实现了最先进的性能，并经过人工评估证实，大大减少了在最先进的聊天机器人中存在的知识幻觉问题。

    Apr, 2021

  • PK-ICR: 面向基于语境的对话的人物知识交互式检索

    本文提出使用 neural Q＆A 模型结合全文对话上下文一起识别人设和知识的任务来识别相关 Persona 或 Knowledge，以应对多重上下文的对话系统，通过建立新的 grounding retrieval 方法来实现。

    Feb, 2023

  • 具有隐式用户人设检测的个性化对话生成器

    提出了一种基于用户人格检测的个性化对话生成器，该方法使用条件变分推理建立用户潜在人格模型并利用后验鉴别正则化提高训练效果，在实证研究中实现比现有技术更高的对用户人格关注和提升了对话品质的效果。

    Apr, 2022

  • 通过相互人设感知实现的对话生成

    本文提出了基于 P^2 框架的机器人 P^2 Bot，该框架旨在显式地建立对话者间的理解模型。实验结果表明该框架在大型公共数据集 Persona-Chat 上取得了显著效果提升。

    Apr, 2020

  • 基于知识的神经对话模型

    本文针对神经网络模型生成内容不足的对话应用展开了研究，提出了一种全新的、基于数据和知识驱动的神经对话模型，该模型通过同时考虑历史对话和外部 “事实” 来生成更有用的回应，实验证明该方法在开放领域中具有广泛应用前景，相较于基线模型的 Seq2Seq 方法，能够显著提高输出的信息量。

    Feb, 2017

  • 喜欢徒步旅行？你可能喜欢大自然：基于角色的常识扩展对话

    本文提出使用常识知识库和释义资源扩展现有的角色描述，以便为对话模型提供大量且更丰富的角色描述，同时引入细粒度角色描述，通过在综合对话响应时鼓励模型在角色描述中做出离散选择。 通过使用离散潜在随机变量对离散选择建模，并使用变分学习从数百个角色扩展中进行采样的方式，我们的模型在对话质量和多样性方面优于竞争基准线，同时实现了角色一致性和可控制的对话生成。

    Oct, 2020

  • 低资源知识驱动对话生成

    在低资源环境下，通过设计一种解耦响应解码器使模型可以仅从大量未接地对话和非结构化文档中学习，而只使用有限的训练示例就能很好地拟合剩余的小参数。在两个基准测试上的评估结果表明，我们的模型仅使用 1/8 的训练数据就可以实现最先进的性能，而且对领域外知识有很好的概括能力。

    Feb, 2020

  • 我们就是我们反复做的事情：在基于人物的回答中引导和应用习惯性模式

    使用明确的模式表示，检索相关模式以生成基于人物形象的回复的大型语言模型的对话生成方法。同时，通过从简单事实集合生成通用段落，然后从生成的段落归纳模式的方法来引导这些模式的创建。

    Oct, 2023