本文综述了对话代理人（CAs）的概念，讨论聊天机器人和面向任务的代理人的不同应用，并探讨了具有身体特征的对话代理人的概念。本文详细讨论了在 CAs 中表示对话的各种方法，以及评估此类代理人的方法，重点强调问责和可诠释性。本文还提供了各种应用场景的广泛概述，特别是在健康和教育领域。最后，本文讨论了当前和未来 CAs 技术所带来的社会影响的利弊和潜在风险。

Feb, 2022

认知助手通过自然语言处理和大型语言模型的应用，在知识密集型任务中表现出更好的用户体验、工作负担、可用性和性能，建议进一步研究切换自然语言处理技术的潜力。

Feb, 2024

通过通过先进的提示工程技术和遵循工程 ABSS 框架，本文构建了一种综合的提示脚本，使得能够通过或与 CAIS 设计 ABSS 模型，并通过关于在博物馆中使用自适应架构的案例研究证明了该脚本的有效性，尽管在对话中偶尔出现不准确和分歧，但 CAIS 在 ABSS 模型设计中证明是一位有价值的伴侣。

May, 2024

本研究通过数学方式刻画了人类引导他人通过自然语言有效沟通所需的认知能力，并展示了基于神经网络的指导生成代理具有类似的认知能力，通过提升这些代理与听众之间的心理模型可显著提升指导质量，但是在与人类引导者的对比中还存在相当的差距，因此需构建更好的人类行为模型以更好地协同 AI 代理人。

Dec, 2022

中国参与者在社交媒体上将对话代理视为享乐，并认为基于语音和实体化的对话代理更温暖、更有能力，表达了积极的情绪。与此相反，美国参与者对对话代理的功能更为关注，态度矛盾。温暖的感知是两个国家积极情绪的关键驱动因素。针对不同用户喜好和需求，我们讨论了设计上具有情境敏感性和用户为中心的对话代理的实际意义。

Feb, 2024

计算思维与计算机编程具有学习曲线陡峭的特点。通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。然而，目前基于 genAI 的聊天机器人主要面向专业开发人员，对教育需求的考虑可能不足够。因此，与教育者合作设计教育工具至关重要，本文通过设计虚构会话中的参与教育者洞察了一种具备指导学生分步练习、调整指导方法并关注教育背景、技能和学习偏好的对话代理，这些发现可为面向教授计算思维和计算机编程的辅导对话代理的未来实施提供指导。

Nov, 2023

该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程，并考虑了多种不同的注入策略，包括知识图谱和输入编码策略的增强，实验结果在 ScienceWorld 文本游戏环境中得到证明。

May, 2023

利用符号人工智能的代理设计历史，我们提出了一种新的认知语言代理的蓝图，即 Cognitive Architectures for Language Agents (CoALA) 框架，这个框架将大型语言模型与外部资源或内部控制流结合起来，以实现基于语言模型的推理、概念化、学习和决策。通过 CoALA 框架，我们强调了目前语言代理的不足，并提出了未来发展更强大的语言代理的具体方向。

Sep, 2023

本论文调查了最近关于常识推理的谈话人工智能研究，列出了相关的训练数据集，并描述了在谈话人工智能中包含常识的主要方法，讨论了用于评估谈话人工智能中常识的基准，最后对两个最先进的开放对话模型 BlenderBot3 和 LaMDA 的常识能力进行了初步观察，并对自然交互产生了负面影响，进一步激发了关于常识推理在谈话人工智能中的研究。

Feb, 2023

该论文旨在提出一种 “基础” 的视角，启发人工智能的进步，包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向，以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分，以建立人类一样的语言能力。

Jan, 2022