Nov, 2023

多方对话人工智能中的协议检测

PDF
TL;DR本文介绍了我们在多方会话系统上的工作，该系统邀请两名用户参与玩一个问答游戏，系统能够检测用户对最后答案的同意或不同意，并进行相应回应。我们通过性能和用户评估结果来评价系统，重点是检测用户的同意。我们的注释稿和所提出系统的代码已在 GitHub 上开源。
conversational systemsmulti-party settingssocially assistive robotstrivia quiz gameuser agreement
发现论文，激发创造
  • 多方对话中的协议检测：以演讲者划分和程序基准评估来增强用户参与

    这项研究使用合作性问答来比较确定协议的分离或基于频率和接近度的方法，以及它们对玩家参与度的影响。实验结果表明，我们的程序系统在检测协议方面更精确，达到平均准确率 0.44，而使用分离系统的准确率仅为 0.28。

    Nov, 2023

  • 多议题谈判对话的协议追踪

    我们介绍了一种用于两方多议题谈判的协议跟踪任务，并使用 GPT-3 构建 GPT-Negochat，为研究提供了一个合成数据集。通过使用 MultiWOZ 2.4 语料库训练 T5-Small 和 T5-Base，提高了 21％和 9％的结果，我们通过发布 GPT-Negochat 和基准模型来鼓励进一步的研究。

    Jul, 2023

  • 多方聊天：在人群聚集中使用对话代理和模型

    本研究通过构建基于角色扮演的环境和收集对话数据集，评估了语言模型在多方对话场景下的表现，发现新的数据集 MultiLIGHT 可以在多人场景下显著提高分析表现。

    Apr, 2023

  • 对话式学习：以信息获取为强化目标的对话系统

    我们提出了一种新颖的基于 AI 的聊天机器人学习模式，用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式，在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估，证明了我们的系统在传递知识和关注用户方面的有效性，帮助用户在不阅读文章的情况下大大提高知识水平。

    May, 2022

  • 大规模会话型 AI 代理的基于反馈的自学习

    本研究提出了一种自学习系统，使用用户 - 系统交互反馈信号自动纠正对话式人工智能系统中出现的各种组件错误，并通过吸收马尔可夫链模型挖掘这些反馈信号中的共同模式，进行可扩展的改进，实现了大规模对话式人工智能系统的自主学习，能显著降低过多次错误和缺陷。

    Nov, 2019

  • 通过用户模拟评估混合式倡议对话搜索系统

    本文介绍了 USi，一种用于自动评估对话式搜索系统的用户仿真器，可自动回答与搜索主题有关的澄清问题，包括单轮和多轮交互。通过一系列实验证明了 USi 对人类生成的答案是相当的。

    Apr, 2022

  • 通过人格建模提升对话系统的谈判能力

    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

  • 通过相互人设感知实现的对话生成

    本文提出了基于 P^2 框架的机器人 P^2 Bot，该框架旨在显式地建立对话者间的理解模型。实验结果表明该框架在大型公共数据集 Persona-Chat 上取得了显著效果提升。

    Apr, 2020

  • 设计和评估用于人工智能与人类交流的多聊天机器人界面：一项说服任务的初步发现

    这项研究探讨了多聊天机器人通信对于在特定说服场景中促进慈善捐赠的影响，分析了质性和数量性反馈，并讨论了该研究的局限性。

    Jun, 2024

  • 一主多从：用户对多代理对话 AI 方法的观点

    通过一系列用户研究，我们展示了用户对于抽象代理编排方式在系统易用性和性能方面具有显著偏好，并且证明此种交互模式能够提供质量与人为选择的答案相近的响应。

    Jan, 2024