这篇实验研究分析了信息寻求对话中大型语言模型在分类明示或隐含对话转换以及预测对接知识元素方面的能力，并揭示了大型语言模型在这两个任务中遇到的挑战，讨论了通过流程架构和知识库改进大型语言模型的对话接地理解的研究工作，在对话中处理对接知识的复杂性方面，旨在开发更加有效的对话系统。

Jun, 2024

现有的大型语言模型在构建共性时，假设存在共同基础，而无需使用对话行为，因此需要进一步研究人机交互中的共性问题。

Nov, 2023

本研究探讨了在对话中建立共同知识的重要性，并提出了一种使用即兴剧场中的 yes-and 原则构建共同语境的方法，并且使用 fine-tune 后的聊天机器人与人类评估确认了这一结论。

Apr, 2020

本研究提出了一项最小化的对话任务以测试和分析对话系统在复杂场景下共同理解能力，并收集了 6,760 个对话的数据集，在此基础上，我们对共同理解的重要现象进行了分析，并对利用神经模型识别共同话语的常见方法进行了评估和分析，旨在为对话系统的训练、评估和分析提供基础测试平台。

Jul, 2019

本文介绍了一个大规模的众包文字冒险游戏作为研究平台，用于研究基于场景的对话。在其中，代理可以感知，表情和行动，同时与其他代理进行对话。我们介绍了在这种情况下训练最先进的生成模型和检索模型的结果。我们展示了除了过去的对话，这些模型还能够有效地使用潜在世界的状态来调整它们的预测，特别是使用本地环境的详细信息，包括位置描述和其中存在的对象（及其可用性）和角色（及其先前的行动），可以更好地预测代理行为和对话。我们分析了在这种设置中成功落地所需的要素，以及每个因素如何与能够成功说话和行动的代理相关。

Mar, 2019

本文提出对话澄清机制是自然语言理解中一个未被充分研究的关键问题，并讨论了该问题的理论背景、实际挑战和获取基础注释的方法。同时，还提出了需要在未来研究中解决的伦理问题。

Apr, 2021

该论文提出了一种新的资源来研究对话系统中共同的理解过程的中间环节，通过一种简单且通用的注释模式，收集了来自现有语料库中的 5,191 个对话中的 40,172 个参照表达式，并展示了该注释的高可靠性和捕获共同理解复杂性的能力，最终证明了该注释在解释、分析和改进基线对话系统方面的优越性。

Nov, 2019

本文介绍了一种通过协议达成共识的对话设置，除任务级别目标外，还有一个次要的、显式的目的 —— 达成对任务级别目标是否达成的共识 —— 使得会话参与者更关心彼此的理解，从而产生更丰富的数据以推导模型。

Aug, 2019

参与主动对话对于建立共同基础至关重要，因为理解是由发出者和接收者共同塑造的；偷听者无法执行基础行为，只能猜测意图，数据生成、注释、建模、训练和评估自然语言处理对话模型仍依靠这种偷听范式，然而，正如我们展示的那样，有证据表明无法通过数据驱动的学习模型来正确地建模人类元交际行为，本文讨论了这个问题，并对人类在请求澄清方面的决策变化进行了初步分析，最重要的是，我们希望将这个主题重新提到社区的议程中，鼓励关于仅设计为 “偷听” 的模型后果的讨论。

May, 2024

本文提出了一种基于统计学方法的对话行为建模方法，通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测，并应用于语音识别和对话行为分类，实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。

Jun, 2000