我们研究了从闲聊到任务相关服务的对话场景，并探讨了一个统一的对话模型如何在对话模式从闲聊切换到任务导向时以一种连贯和合作的方式主动参与。我们首先构建了一个过渡信息提取器（TIE），用于跟踪先前的闲聊互动并检测用户转向任务导向服务的潜在意图。同时，在统一模型中，通过高效的适配器调优和过渡提示学习，扩展了一个过渡句子生成器（TSG）。当 TIE 成功从先前的闲聊中找到与任务相关的信息，例如过渡领域时，TSG 会在统一模型中自动被激活，通过根据 TIE 提取的过渡信息生成一个过渡句子来启动这个转换。实验结果显示出有关主动转换的良好性能。我们通过使用条件随机场（CRF）在 TIE 模型上实现了额外的大幅改进。TSG 能够灵活地生成过渡句子，同时保持常规闲聊和任务导向响应生成的统一能力。

Aug, 2023

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

提出了一种融合了聊天和任务对话技能的统一对话系统 (UniDS)，采用一个统一的对话数据模式，并通过对已有的聊天对话模型进行微调来训练 UniDS。实验结果表明，该系统在处理聊天和任务对话时与现有的最佳系统相当，同时在稳健性方面表现更好。

Oct, 2021

提出了一种人工智能虚拟助手对话系统，名为 ACCENTOR，目的是将聊天型机器人和任务导向型系统相结合以实现更加 engaging 和 interative 的交谈体验，通过添加 chit-chat 的方式，将人机交互设计更为实用和有趣。研究采用全新的数据收集和生成方法来提高系统的性能，并设计了三种不同的模型进行实验，与现有任务导向型四种方法相比，实现了更具情境感和人性化的 chit-chat 响应。

Oct, 2020

结合话题建模，研究 Schema-Guided Dialogues 和 MultiWOZ 的训练集，发现社交对话序列的存在，进一步推动了如何将闲聊融入任务导向对话的研究。

Nov, 2023

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

研究采用大型语言模型替代 fine-tuning 来实现可控制的混合对话，并在 PersuasionForGood 和 Emotional Support Conversations 两个任务中通过人类评估和自动度量标准显示了改进。

May, 2023

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

研究智能助手是否可以匹配用户的聊天意图，构建了新的数据集以及使用推特和 Web 搜索查询来处理无特定领域的用户发言，实验结果表明，使用 tweets 和 Web 搜索查询可以进一步提高智能助手的 F1 分数。

May, 2017

该研究论文探讨了一种融合任务导向对话系统和闲聊对话系统的多动机对话数据集，并提出一系列评估指标，以更好地展示这种方法在实践中的效果。

May, 2022