Feb, 2024

使用 Langchain 制作首尔历史景点聊天机器人的原型

PDF
TL;DR我们分享了一个用于传播首尔历史遗址信息的对话代理的发展草稿，目标是向不熟悉首尔的游客提供有关宝贵文化遗产地点的存在和精确位置的信息，以促进对韩国丰富多样的文化历史的基本理解。尽管数据量有限，但它始终可靠地提供准确的响应，并且我们详细介绍了创造这个代理的方法，并在论文中提供了其基本结构的综合概述。我们还探讨了改进系统的潜在方法，主要侧重于通过引导扩展可用数据。最后，我们深入讨论了该代理在促进和便利历史遗址分享方面的未来影响的预期。
发现论文，激发创造
  • 发展交互式旅游规划：由大型语言模型驱动的对话机器人系统

    我们旨在构建一个系统，不仅利用大型语言模型的灵活对话能力，还利用其先进的规划能力，降低人类对话者的讲话负担并高效地规划行程。我们提出了一种将旅行社的复杂任务划分为多个子任务的方法，将每个子任务作为一个独立阶段进行管理，以有效地完成任务。我们的提出的系统在 2023 年对话机器人比赛的预赛中取得了一定的成功，并报告了比赛中发现的挑战。

    Dec, 2023

  • 使用聊天机器人教授语言

    本研究旨在构建一种在线语言学习工具，通过使用对话系统作为实践对话伙伴，为学习者提供对话体验。我们的系统可以根据用户的语言熟练程度进行自适应，并且提供自动语法错误反馈来帮助用户从他们的错误中学习。根据我们的初步用户反馈，我们的系统既实用又有趣。此外，我们还将为学习技术社区提供一个大规模的关于语言学习和语法更正的对话数据集。下一步，我们将使用强化学习算法来使我们的系统更加适应用户个人信息。

    Jul, 2022

  • 使用神经语言模型和机器翻译技术还原和挖掘朝鲜时代的记录

    本文提出了一种基于自我关注机制的多任务学习方法，用于恢复和翻译历史文献，并通过主题建模进行了深入的探索分析，揭示了多个重要历史事件。

    Apr, 2021

  • 多功能 NLP 聊天机器人：设计、方法论和总结

    本研究论文重点探讨了聊天机器人技术环境的历史、困难和前景，并提供了一种非常灵活的聊天机器人系统，利用强化学习策略改善用户互动和对话体验，使用情感分析和自然语言处理技术确定用户情绪，并探讨了聊天机器人技术发展的复杂性及其对各个领域的深远影响。

    Oct, 2023

  • 穿越数个世纪的迁移学习：机器和历史学家集成方法解密王室秘书日记

    该研究介绍了朝鲜历史文献中的命名实体识别和分类，通过将语言模型调整到历史文献上，与使用预训练的多语言模型进行对比实验，发现短语标记明显改善了 NER 模型在预测不同时间段撰写的未见过的实体时的性能。

    Jun, 2023

  • 辅助英语学习过程的机器人系统原型基于 DNN 的文本生成

    利用长短期记忆神经网络和交互设备，通过生成文本来辅助英语学习者的自学过程。通过英语水平测试，初步结果显示与系统互动的学习者的语法范围有所增加。

    Sep, 2023

  • ChatShop: 与语言代理商进行交互式信息搜索

    我们使用网络购物任务作为示例，将其重新定义为一个信息检索任务，并引入购物者角色作为一个受限通信通道，以此来评估语言智能代理系统探索和积累信息的能力。我们的实验证明，该任务能够有效地评估代理系统通过多轮交互获取和积累信息的能力。同时，我们发现基于 LLM 模拟的购物者在错误模式方面与真实人类购物者存在相似性。

    Apr, 2024

  • 战斗模拟：多模态动态仿真用于补充历史分析

    BattleAgent 是一种结合了大型视觉语言模型和多智能体系统的仿真系统，旨在模拟多个智能体之间以及智能体与环境之间的复杂动态交互，以及领导者的决策过程与普通参与者（如士兵）的观点。该系统通过细粒度的多模态智能体与景观交互展示智能体的当前能力，并提供了可定制的智能体结构以满足特定的情景需求，例如侦察和挖掘战壕等与战争相关的活动。BattleAgent 的技术基础为历史战役建立了详细和沉浸式的环境，使单个智能体能够参与、观察和动态应对战斗场景的演化。这种方法有潜力深化我们对历史事件的理解，特别是通过个体的描述。此类举措还可以帮助历史研究，因为传统的历史叙述经常缺乏文献记载并优先考虑决策者的视角，从而忽视了普通人的经历。BattleAgent 展示了人工智能在重要社会事件中振兴人类因素的潜力，从而促进了更加细致入微的集体理解，并推动了人类社会的进步发展。

    Apr, 2024

  • 代理人群聊：用于更好地引发集体涌现行为的交互式群聊模拟

    通过模拟不同环境中多代理之间的语言交互，研究语言在人类集体行为中的作用，发现多信息交流有助于多样性情境中的更多新颖且有意义的新兴行为的产生。

    Mar, 2024

  • 利用对话方案的 LLM 增强多模式对话系统的一致性

    这篇论文描述了我们提交给 2023 年对话机器人竞赛的对话系统。该系统旨在帮助旅行社的用户决定参观京都市的两个观光景点的计划。通过根据对话场景控制对话流程，我们的对话系统具有灵活性和稳定性，并根据系统的话语和用户的情况引入动作和语音控制以提高用户满意度。在预赛中，我们的系统在印象评估中排名第五，在计划评估中排名第六，共有 12 支队伍。

    Dec, 2023