Mar, 2023

Let's Get Personal: 个人化问题提高 Alexa Prize 中 SocialBot 的表现

PDF
TL;DR本研究致力于开发一款名为 Athena 的开放域对话系统，利用基于规则的用户模型和针对个人意见问题的具体策略进行改进，提高了系统与用户之间的亲密度，进而提升了会话的数量和质量。
open-domain conversational systemnatural language understandingalexa prize competitionpersonalized user modelconversation quality
发现论文，激发创造
  • 对话人工智能：Alexa Prize 背后的科学

    通过 Alexa Prize 进行的研究，结合当今自然语言处理、上下文理解、会话管理等方面的技术，旨在解决对话人工智能问题，从而使得社交对话和自由形式对话在广泛的领域和主题上更加自然地进行。

    Jan, 2018

  • Athena 2.0：针对 Alexa Prize SocialBot 的情境化对话管理

    Athena 2.0 是一款在 Alexa Prize Grand Challenge 的最后两轮中表现优异的 Alexa Prize SocialBot，其成功的原因是采用创新的对话管理策略，允许其从组件模块中动态构建对话和响应，从而实现与每次交互的新颖对话，并在此论文阐述了 Athena 的系统设计和在 20/21 Alexa Prize 竞赛中的表现。同时提供 Athena 的现场演示和视频记录，探讨了会话式人工智能的最新发展。

    Nov, 2021

  • Athena 2.0: 公开领域对话中的言论和用户建模

    UCSC's conversational agent, Athena 2.0, utilizes a novel knowledge-grounded discourse model for Amazon's Socialbot Grand Challenge 4, incorporating entity links, named-entity recognition, coreference resolution, and a user model for personalization.

    Aug, 2023

  • 通过 Alexa 奖项推动开放领域对话系统的技术发展

    2018 年的 Alexa Prize 竞赛促进了会话人工智能的发展，多所大学加强了会话模型的上下文理解和对大量不同类型输入的处理，并借助知识图谱等工具提高了自然语言理解能力，使用统计和分层对话管理和模型驱动的用户响应机制，同时提供 CoBot 工具包、话题检测模型、对话行为检测模型、对话评估等套件，构建了知识丰富、连贯、吸引人的多轮对话系统。

    Dec, 2018

  • 评估和比较开放域对话系统

    本文提出了一种全面的评估策略，与人类判断相关的几个指标是构建无目标对话系统的关键，此方法可促进对话型 AI 的自动化评估过程。

    Jan, 2018

  • Alexa，让我们一起工作：介绍首个 Alexa 奖励任务机器人挑战赛 —— 对话任务协助

    介绍了 Alexa Prize 中的 TaskBot challenge，该项目要求参赛者开发能够通过语音和视觉辅助人类完成真实任务的对话系统，同时保持用户的参与度。

    Sep, 2022

  • 一个大规模用户研究：娱乐和主观性强，但过于控制的开放域 Alexa Prize 系统

    设计与评估了体现社交互动、基于故事和游戏策略的 SlugBot，参加 2018 年 AlexaPrize 的 8 强之一。收集了 10000 多次对话作为比赛的一部分，并进行了实验室后续定性评估。结果表明，故事和游戏是 SlugBot 比较吸引人的互动类型

    Aug, 2019

  • 基于 Transformer 的开放领域口语对话响应评估器

    该研究对基于多个响应生成器的开放域对话系统进行了实验，使用了多种响应排序方法比较 Athena-Heuristic 和 Athena-RR，结果显示 Athena-RR 表现最好，能够在对话中更准确地选择最佳响应。

    Feb, 2023

  • Athena：利用话语限制动态构建对话

    Athena 是一个用于流行话题和时事的口语对话系统，采用基于实体和主题相干性的灵活的主题不可知的对话管理方法，使用基于合同的方法，使对话系统可以从动态源获得响应，并进行了几项用户研究以更好地了解个人用户特征如何影响系统的评级。

    Nov, 2020

  • 低资源开放领域生成式聊天机器人的适应

    我们提出了一种通用的框架，该框架可以在保持低参数的前提下，同时保持聊天机器人的通用知识和特定领域的能力，并可以在交互中实现无缝转换，并通过对话进行参考跟踪和去除不一致的回应来改善数字助手的交互效果。

    Aug, 2021