Jun, 2023

使用工作流和行动计划提高任务导向对话的泛化能力

PDF
TL;DR给定合法工作流名称和动作计划的对话上下文能够有效地帮助基于文本生成模型完成多步任务，但新的无法训练过的多步任务需要补充动作计划信息。
task-oriented dialoguemulti-step tasksvalid workflow namesaction planstext2text transformers
发现论文，激发创造
  • 对话转行动：通过动作级别生成构建面向任务的对话系统

    提出了一种基于行动级别生成的任务导向对话系统，采用基于序列到序列模型的方法，将大规模对话中的每个自然语言响应表示为一系列对话行动，并将其转换为语音响应，实现了控制能力和效率之间的平衡。

    Apr, 2023

  • 多步对话工作流行为预测

    在任务导向对话中，我们提出了多步骤工作流动作预测的新问题，系统需要根据一套指导方针遵循一个流程来完成任务。我们提出了三种简单易实现且可以实现更多自动化操作的建模方法，并证明多步骤动作预测能够提高下游对话任务的准确性，可以在不需要人为监督的情况下将步骤的自动化程度提高 20%。

    Nov, 2023

  • 低数据环境下从对话中发现工作流程

    我们引入一种新的问题形式 —— 工作流程发现，提出了序列到序列方法，从对话中提取工作流程，对 ABCD 数据集进行了评估，并表明使用条件策略的模型可以改善 WD 性能。

    May, 2022

  • 基于工作流的任务导向对话生成

    本文提出了一种基于强化学习的新框架，用于生成与给定工作流程对齐的对话回复，通过结合 ComplianceScorer 评估指标和交互式采样技术的 RL 优化过程，评估结果表明该框架在任务导向对话系统上优于基线方法，并能生成遵循预定工作流程且自然流畅的对话回复。

    Nov, 2023

  • 一种低成本、可控且具可解释性的面向任务的聊天机器人：以实际售后服务为例

    本文介绍了一个新的基于 Dialogue Action 的 Tree-structured TaskFlow 架构来构建基于任务的聊天机器人，能够自动构建任务流并有效减轻开发人员负担，实验结果证明其能够解决先前任务导向式对话系统所面临的难以建立本体、可控性和可解释性不足以及大量数据标注需求等问题。

    May, 2022

  • 利用明确的过程说明来提高数据效率的行动预测

    本文提出了一种数据高效的解决方案，将知识检索模块与大型语言模型相结合，利用代理指南中的显式指令构建对话系统，并通过半监督预训练方案进行训练，同时评估在行动状态跟踪和工作流发现两个对话任务中的表现，结果表明程序化知识增强提高了在低数据密度下的准确性。

    Jun, 2023

  • 计划中基于文本的动作模型获取

    本论文提出了一种利用自然语言处理和约束满足技术从文本描述中学习行动模型的方法，通过构建一种新型语言模型提取计划轨迹并建立一组约束条件来生成行动模型。实验结果表明这种方法是有效而高效的。

    Feb, 2022

  • 基于动作的对话数据集：用于构建更深入任务导向对话系统的语料库

    本文提出了一个基于行动的对话数据集（ABCD），以探究更现实的客户服务对话系统。 在 ABC 数据集上，我们建立了大规模的预训练语言模型，并提出了技术基线来评估模型的性能，结果表明较复杂的模型性能更好，在 ABCD 上取得了较高的准确性，但与人类表现仍有显著差距。

    Apr, 2021

  • 考虑同一上下文下多个适当回复的任务导向型对话系统

    提出了一个名为 MADA 的多行为数据增强框架，用于生成多样化的对话回复，该框架利用了对话的一对多属性，并改善了对话策略及回复多样性的表现。

    Nov, 2019

  • 通过自动规划生成对话代理

    通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。

    Feb, 2019