Jul, 2023

对话代理 101：设计高效对话系统的关键要素初学者指南

PDF
TL;DR本研究提供了关于对话代理的主要特征、支持任务、相应的开放领域数据集以及用于基准测试这些数据集的方法的详细综述，强调了构建对话代理的关键因素，并提出了用于在不同任务之间建立统一基础模型的 UNIT 模型，本文作者还审查了用于测量对话代理绩效的评估策略并突出了有关对话 AI 领域未来研究的范围。
发现论文，激发创造
  • Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

    Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

    Apr, 2021

  • 近期对话数据生成的研究进展综述

    对多轮对话数据生成进行了系统综述，包括开放领域对话系统、任务导向对话系统和信息搜索对话系统，提出了一个概括对话数据生成系统主要原则的通用框架，并探讨了合成对话数据的评估指标和方法、当前领域的挑战以及未来研究的潜在方向。

    May, 2024

  • 从知识增强到多任务学习：走向类人对话系统

    研究人工智能中的对话代理，探索深度学习技术如何提高人工对话代理水平。

    Nov, 2022

  • 真正对话的良好设计：解决方案与挑战

    通过一系列半结构化访谈发现，人们在谈话时注重信任和长期人际关系，而对于智能代理的交流则更加看重其实用性，因此有必要重新定义智能代理的交互设计参数。

    Jan, 2019

  • 评估学习端到端对话系统的先决条件素质

    本文提出了基于电影领域的一套新任务套件，旨在测试模型回答事实性问题、提供个性化、进行短对话及在 Reddit 上执行自然对话的能力，评估了各种模型在这些任务上的性能表现。

    Nov, 2015

  • 构建智能开放领域对话系统的挑战

    本文回顾了近期关于神经网络方法在开放领域对话系统中解决语义、一致性和互动性挑战的工作，以实现与用户建立长期连结并满足人类沟通、情感和社会归属需求。

    May, 2019

  • 评估对话代理程序整合技能的能力

    本研究探讨了几种结合不同能力的机器学习模型，旨在实现一个综合性的对话系统，并提出了一个新的数据集 BlendedSkillTalk，通过比较不同架构和训练方案的表现来分析这些能力如何在自然对话中融合。研究结果表明，相比于单一技能的模型，多任务训练可以更好地提高混合会话的表现，而统一或二阶段方法都可以表现良好，关键在于避免不必要的技能选择偏差或在新任务上进行微调。

    Apr, 2020

  • 构建开放领域聊天机器人的配方

    本研究旨在构建开放领域聊天机器人，通过构建变体模型，在多轮对话中提高回答的连贯性与个性，进而提升聊天机器人的人性化表现。我们成功实现了使用大规模模型进行训练的目标，并在人工评估中取得了成功。

    Apr, 2020

  • 面向任务型对话系统的最新进展和挑战

    本文探讨了任务导向对话系统的最新研究进展和挑战，特别在三个关键领域进行了深入讨论：提高数据效率、模拟多回合动态以优化任务完成性能，以及将领域本体知识与对话模型集成。此外，还评估了最近的对话进展和一些常用的语料库。我们相信，这虽然不是一个完整的调查，但它仍然可以为未来任务导向对话系统的研究提供启示。

    Mar, 2020

  • 基于网络的端到端可训练任务导向式对话系统

    本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

    Apr, 2016