本文主张话题在对话中起着基础性作用，与体裁概念相辅相成，需要进行分离和正交定义。该论点有助于构建模块化、可靠和可控制的灵活领域对话系统。

Dec, 2023

对话和游戏理论的结合，使用大型语言模型提供了生成对话和构建游戏理论解决概念的能力。

Jan, 2024

本文探讨了用机器的 “心智理论” 来针对不同人格类型的对手去自适应调整对话体系的高层策略，我们通过 CraigslistBargain 数据集的测试表明，利用心智推理方法相比于基线方法在混合对手的情况下显示出更高的对话一致性；同时我们也发现，我们的模型表现出了与不同类型对手完全不同的谈判行为。

Oct, 2020

通过情感分析来研究决策和策略互动中的人类行为，以改变传统基于结果的效用函数观点，强调语言的重要性，为经济学、心理学和人工智能领域提供新颖的博弈论方法。

Mar, 2024

本文探讨以人物为驱动的故事延续，引入角色之间的第一人称和第二人称叙述以及对话，需要模型选择与角色个性和关系一致并推动故事发展的语言。我们假设在训练人物对话和关系信息的多任务模型的基础上，改进了基于 Transformer 的故事延续。为此，我们拓展了 Critical Role Dungeons and Dragons 数据集，并通过自动提取每对交互角色之间的关系和他们的个性。一系列实验为我们的假设提供了证据，表明我们使用人物关系的多任务模型相对于强基线能够提高故事延续的准确性。

May, 2021

论文提出了一种使用 “对话游戏” 来测试人工语言理解能力的方法，并借由建立一种对话游戏类型的分类来探讨测试的结构效度，以达到更全面的评估。

Apr, 2023

研究顺序语言游戏中的私人信息通信，并提出能够捕获人类行为的模型。

May, 2018

设计并构建了一个名为沉浸式文本游戏的游戏，基于最新的多种模型，包括文本生成语言模型、信息提取模型、常识推理模型和心理评价模型，通过精心设计的游戏机制和模式，使用户通过故事情节获得独特体验。

Mar, 2022

在线游戏中玩家互动和谈判策略对游戏结果的预测有重要作用，通过语言建模可以相对准确地预测谈判策略，但需要更多因素来预测短期结果，对于长期结果，如基于先前谈判历史的玩家成功的预测中，它们在考虑图感知的强化学习方法中起着关键作用。

Nov, 2023

本文介绍了一个大规模的众包文字冒险游戏作为研究平台，用于研究基于场景的对话。在其中，代理可以感知，表情和行动，同时与其他代理进行对话。我们介绍了在这种情况下训练最先进的生成模型和检索模型的结果。我们展示了除了过去的对话，这些模型还能够有效地使用潜在世界的状态来调整它们的预测，特别是使用本地环境的详细信息，包括位置描述和其中存在的对象（及其可用性）和角色（及其先前的行动），可以更好地预测代理行为和对话。我们分析了在这种设置中成功落地所需的要素，以及每个因素如何与能够成功说话和行动的代理相关。

Mar, 2019