Apr, 2023

人工智能团队中的统计先动态建模所需的信任感知用户模拟器开发

PDF
TL;DR本文研究了人工智能和人类协作的关键问题，提出了基于语料库的用户模拟器用于协同人 - AI 团队之间的有效沟通和合作，比较了两种不同的模拟方法，以寻找最佳的主动策略。
human-ai teamproactivityuser simulatordialog policiessequential dependencies
发现论文，激发创造
  • 基于社交意识强化学习的主动型对话代理改进

    通过采用强化学习算法，研究设计基于社交和任务相关特征的行为预测策略是智能对话代理下一步的发展，以期通过优化设定的预测性对话策略，增强用户满意度和任务效率，并在实践操作中取得较好的协同效果。

    Nov, 2022

  • 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

  • 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

  • 面向人类中心的主动对话代理

    近期关于主动对话代理（PCAs）的研究主要集中在提高系统在用户表达需求之前，预测和计划行动序列以完成任务和实现目标的能力。这篇论文强调了朝着强调人类需求和期望，考虑代理的伦理和社会影响，而不仅仅关注技术能力的以人为中心的 PCAs 的重要性。我们通过建立涉及智能、适应性和礼貌三个关键维度的新分类体系来解决主动系统与反应系统之间的区别，防止主动系统被人类用户视为侵入性。根据这个新分类体系，我们根据 PCAs 系统构建的五个阶段，讨论了潜在的研究机会和挑战。这篇论文为会话信息检索研究领域奠定了基础，并为推进以人为中心的主动对话系统铺平了道路。

    Apr, 2024

  • 主动对话系统调查：问题、方法和前景

    本综述论文提供有关积极对话系统的综述，包括设计和挑战等方面，以及对话类型和实际应用的相关信息。

    May, 2023

  • 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

  • 可微分用户模型

    本文介绍了一种通过不同 iable surrogates 来规避计算时间瓶颈的方法，这种方法可以使现代行为模型在线使用而无需考虑其计算成本，并且在计算时间上可以实现与无法似然推断方法相当的建模能力，最后，我们展示了如何使 AI 助手在先前研究过的菜单搜索任务中计算模型的可行性。

    Nov, 2022

  • ProAgent: 利用大型语言模型构建主动合作的人工智能

    建立具有适应性行为的人工智能在人工智能与人类合作中具有重要的研究焦点。本研究提出了一种名为 ProAgent 的新框架，利用大型语言模型来预测合作伙伴的决策并改进自身计划。实验证明，ProAgent 在与人工智能代理和人类合作中表现出显著优越性能，为人类与机器人协作的未来研究提供了启示。

    Aug, 2023

  • 与非合作用户的交互：积极对话策略的新范式

    本研究旨在提高主动对话策略在动态用户交互中的自然性和实用性，特别关注非合作用户行为，提出一种名为 I-Pro 的新解决方案，在学习目标权重方面有所创新，并在实验中取得了显著的效果和可解释性。

    Apr, 2022

  • 基于信任的人 - 智能体临时团队合作行为自适应

    本文提出了一个框架，该框架将信任纳入人工智能团队合作的场景中，在这个场景下，一个智能体必须与人类合作完成任务。在任务过程中，智能体需要通过互动和观察来推断人类对其的信任程度，并调整自己的行为以最大化团队的表现。为了实现这一目标，我们建议从人类参与的实验中收集数据，定义不同的设置（基于信任水平），并为每个设置学习最优策略。然后，我们创建一个模块来推断当前的设置（取决于信任的数量）。最后，我们在实际场景中验证了这个框架，并分析了这种可适应行为对信任的影响。

    Oct, 2022