Jul, 2023

面向协作的对话管理的神经时代：文献综述

PDF
TL;DR基于对话的人工智能协作可以在协作问题解决、创造性探索和社交支持方面起到革命性作用。本调查从传统的手工制作和信息状态方法到 AI 规划启发的方法，回顾了协同对话系统中对话管理范式的演变。然后，将焦点转向当代的数据驱动对话管理技术，这些技术旨在将深度学习在填充表格和开放领域环境中的成功经验转移到协作场景。本文还分析了一组将神经方法应用于协同对话管理的最新作品，突出了该领域的主要趋势。希望本调查为未来协同对话管理的发展提供基础背景，特别是在对话系统社区继续积极探索大型语言模型的潜力的情况下。
dialogue-based human-ai collaborationautomated agentsdialogue management paradigmsdata-driven dialogue management techniquesneural approaches
发现论文，激发创造
  • 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

  • 对话系统综述：最新进展和新的前沿

    这篇文章总结了基于深度学习的对话系统的最新进展和研究方向，讨论了如何通过深度学习在任务导向和非任务导向模型中学习有意义的特征表示和响应生成策略。

    Nov, 2017

  • 面向决策的人工智能协作对话

    研究了对话决策问题的一个类别，其中 AI 助手与一个或多个人通过自然语言协作，帮助他们做出复杂的决策。为不同的任务建立了对话环境，并使用这些环境收集了人与人的对话作为基线，同时提出了模型在决策导向的对话中面临着一些挑战，并释放了环境作为未来建模工作的测试基地。

    May, 2023

  • 基于深度学习的对话系统的最新进展：系统调查

    本篇调查研究基于深度学习的对话系统，综述了当前对话系统的研究成果，并分析了模型类型和系统类型两个角度。此篇研究是目前最全面和最新的，深入涵盖了流行的技术，为对话系统领域的新手和想要快速了解最新技术的专业人员提供了很好的启示。

    May, 2021

  • 走向人工智能和人类共同推理与价值统一的对话

    我们认为，支持人工智能对话能够实现联合推理（即 “询问”），对于确保人工智能决策符合人类价值观和偏好非常重要。我们特别指出，基于逻辑的辩论和对话模型以及关注于劝说对话的传统方法应该改为关注于询问对话，并阐述了联合询问所带来的不同挑战。鉴于大规模语言模型（LLMs）性能的最新技术突破和预计在决策制定中它们的使用将增加，我们提供了一项研究路线图，以支持联合人工智能语言模型推理任务，并确保决策与价值观相一致的伦理关注。

    May, 2024

  • 持续学习神经对话管理

    提出了一种基于神经网络框架的分层学习方法，通过监督学习和强化学习相结合，实现了对话管理任务中的有效性以及在高噪声的情况下提高性能。

    Jun, 2016

  • 与机器交谈：新兴对话系统综述

    本篇论文综述了对话系统的历史发展、基本操作、训练数据集、机器学习方法和评价指标，并探讨了该领域目前面临的挑战和未来前景。

    May, 2023

  • 面向对话人工智能的神经网络方法

    该论文综述了近年来开发的面向神经对话系统的方法，将其分为三个类别：问答代理、任务导向对话代理和聊天机器人，并分别介绍了最新的神经方法及其与传统方法的联系，并以特定系统和模型作为案例研究，讨论了已取得的进展和仍然面临的挑战。

    Sep, 2018

  • 谈判对话系统综述

    综述谈判对话系统中的最新成果，分析其评估与方法学现状，并讨论多模态、多方和跨文化谈判场景等未来研究方向，以期为研究者提供系统性的概述和启发。

    Dec, 2022

  • 对话管理综述：最新进展与挑战

    本文综述了对话管理的三个关键主题：模型可扩展性的提高、对话策略学习的数据稀缺问题和训练效率的提高，以及它们对任务完成性能的影响。

    May, 2020