虚拟语音助手中对话修复的分析
通过分析与 Google 助手和 Siri 的互动,本研究探讨了对话修复中互动语言在虚拟助手和用户之间的重要性,并发现虚拟助手在生成策略方面存在差异,但不能复制人类的修复策略。用户接受度调查显示英语和西班牙语用户在修复策略偏好和虚拟助手使用上存在不同。这些结果揭示了人类间互动语言与人机交互之间的不平等问题,强调了需要进一步研究交互语言在英语和其他语言中对人机交互的影响。
Nov, 2023
基于 “巫师奥兹” 的实验,利用自然语言处理标注工具自动检测软件工程中开发者关于漏洞修复方面的交流中的语音行为类型,可用于提高虚拟助手在软件工程中的自动交流能力。
Jun, 2018
在这篇论文中,我们使用先前学习的动态句法语法和 CHILDES 语料库开发、训练和评估了一个概率模型,该模型用于增量生成,其中模型的输入是纯语义生成目标概念(TTR)。我们证明了该模型的输出与黄金候选项的准确匹配率为 78%,ROUGE-l 评分为 0.86。我们进一步对同一模型在生成目标在发话过程中发生变化时产生自我修复的能力进行了零次评估。自动评估显示模型能够在 85%的情况下正确生成自我修复。小规模的人工评估确认了生成的自我修复的自然性和语法性。总体而言,这些结果进一步突显了基于语法的模型的泛化能力,并为更可控和自然交互的对话型人工智能系统奠定了基础。
Aug, 2023
研究旨在发现设计具备信任修复能力的机器人策略和探索成功的潜在机制,以实现对机器人信任违背的修复。该文概述了人机交互中信任修复过程的基本概念和关键组成部分,并总结了作者在该领域的发表工作。此外,还讨论了将指导未来工作的研究问题以及该研究对该领域的潜在贡献。
Jul, 2023
本研究探讨智能助手领域的一个问题 —— 如何判断哪个组件发生错误。研究人员认为用户的改写是一个评估用户满意度的重要信号,并提出了一种预测改写原因的方法。实验结果表明,该方法可以有效地检测到组件错误,提高了改写原因的检测率。
Jul, 2017
处理不正常交流对于鲁棒和忠实的会话型人工智能至关重要。我们收集和公开发布了 Repair-QA,这是第一个大型的用于会话型问答设置中的第三位置修复的数据集。通过训练和评估强大的基准模型来展示数据的有效性,并且结果表明,GPT-3 模型在修复方面的性能从开箱即用时较差,但在接触到 Repair-QA 后显著改善。
Jul, 2023
声控助手的普及是受欢迎的,但由于人的能力与期望与现有技术的功能和好处之间不可避免的不匹配,存在可居住差距,拟解决此类问题,但是否存在语言交互的固有限制?基于目前对语言的特殊性质的看法,回答是可能存在。然而,作者得出结论,将来的人机交互设计可以从母语与非母语发言者、成人和儿童以及人类和狗之间的交互中获得关键的灵感。
Jul, 2016