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

本文通过探讨黑盒代理集成技术中的问题，提出了问题代理配对和问题响应配对两种技术，并利用这些技术设计出了可自动和准确集成多个商用 CAs 的可扩展系统 OFA，并介绍了用于问题响应配对的新编码器模型 MARS，在 BBAI 任务中获得了最高准确性。

Mar, 2022

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

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

本文提出了一种基于多智能体编排与组合框架的主动聊天机器人，并通过旅行审批业务流程和贷款申请业务流程的两个用例进行了评估，分析了性能、编码开销、可扩展性和代理重叠四个标准。

Jan, 2020

研究调查了 745 名受访者，旨在了解不同应用中关于情感技能的期望和偏好。结果表明，在设计情感智能对话代理时，应根据应用的上下文和性质考虑适应性和情境感知。

Oct, 2023

本文探讨了对话式人工智能代理人可能采用的操纵策略、这些代理人对人类用户认识能力构成的独特威胁以及政策制定者保护人类用户免受最常见的捕食性做法的新兴需求。

Jun, 2023

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

多模态人工智能系统中，基于 Agent 的多模态智能研究，通过在真实和虚拟环境中嵌入具有感知能力的智能体，能够处理和解释视觉和语境数据，以提高智能系统的上下文感知和交互能力。

Jan, 2024

该研究开发了一种基于众包的对话助手 Chorus，它可以与终端用户进行复杂的对话，并以专业的方式招募工作者来帮助决定最佳响应。研究通过对 Chorus 的应用部署，提出了四个挑战：确定对话结束时间、恶意用户和工作者、按需招募，以及在没有共识的情况下的设置。这些观察结果对基于众包的对话系统和众包系统的部署有启示作用。

Aug, 2017