提出了一种人工智能虚拟助手对话系统，名为 ACCENTOR，目的是将聊天型机器人和任务导向型系统相结合以实现更加 engaging 和 interative 的交谈体验，通过添加 chit-chat 的方式，将人机交互设计更为实用和有趣。研究采用全新的数据收集和生成方法来提高系统的性能，并设计了三种不同的模型进行实验，与现有任务导向型四种方法相比，实现了更具情境感和人性化的 chit-chat 响应。

Oct, 2020

本文介绍了把目标导向式对话任务（TOD）系统和非目标导向闲聊式对话系统（ODD）结合起来的难题，并基于流行的TOD数据集MultiWOZ构建一个包含两种对话模式交替的新数据集FusedChat，提供一种更具挑战性的基准测试，以测试对话模型在处理交叉模式上的表现。该数据集具有丰富的依赖模式，包括共示和省略，并提供了分类和融合等基线模型。

Sep, 2021

探索如何从社交对话到任务导向对话的平滑转换，为触发商业机会提供支持。提出了一个自动生成对话的框架，并在此基础上发布了一个大规模数据集，该数据集为未来的研究和商业活动提供了巨大的潜力。

Apr, 2022

该研究论文探讨了一种融合任务导向对话系统和闲聊对话系统的多动机对话数据集，并提出一系列评估指标，以更好地展示这种方法在实践中的效果。

May, 2022

本文提出了第一个基于中国社会文化的社交感知对话语料库- SocialDial，使用 ChatGPT生成了 4,870 段数据，并评估了使用BERT和RoBERTa等预训练模型的数据集。

Apr, 2023

本文研究了即使在一个对话中从聊天转向任务或从任务转向聊天，也会出现的潜在“主动”问题，并提出了两种有效的提示模型，以在统一的对话模型中主动生成过渡句子触发系统主导的转换。

Jul, 2023

本文介绍了SalesBot 2.0，通过使用大型语言模型的常识知识逐渐缩小闲聊和面向任务的对话之间的差距，构建了一个新的大规模数据集，提供了更加平滑的话题转换和更加接近人类自然性和一致性的对话，对学术研究和商业应用都具有重要价值，并提出了一种框架可以用于生成具有各种目标意图的对话。

Aug, 2023

本论文通过比较分析三种闲聊增强方法，旨在确定多样性方面最有效的方法。此外，我们量化了增加的闲聊、原始任务导向语言和闲聊数据集中典型闲聊之间的差异，突出每个比较中的前20个差异关键词。我们的研究结果为增强任务导向对话提供了未来改进的讨论，强调了超越任务的对话基础对实现更多样化和自然化的交流的重要性。

Nov, 2023

通过使用Llama-2-70B进行少样本提示来提高MultiWOZ数据集中用户故事的质量，我们评估了这种添加对模型的影响，结果显示这种丰富的数据集给系统带来了显著挑战，同时证明了该数据集可用于训练，能够在同一轮中始终自觉承认用户的背景故事并成功推进任务，这些发现强调了生成新的聊天-任务导向对话场景以更全面地测试TOD系统并提高其对自然用户干扰的适应能力的好处。

Feb, 2024

利用LLM-based技术生成任务导向对话系统中的间接用户请求数据集，用于测试自然语言理解和对话状态跟踪模型在真实场景中的表现。

Jun, 2024