我们介绍了一种新的标注和语料库来捕捉共同基础,然后从每个说话者的角度描述了一些从对话中提取命题并在共同基础中追踪其状态的初步实验。
Nov, 2023
MindDial 是一种新的对话框架,可以生成特定语境下的自由形式响应来协商共同点。
Jun, 2023
作者介绍了一种名为 Common Ground 的新方法,用于解决问答模型在获取对话信息时的困难,并表明此方法相较于已有方法具有更高的效率和人类风格,从而提升了开放域对话问答的表现。
Apr, 2022
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
本文提出一个基于神经网络的对话模型,用于协同解决局部可见参考游戏。该模型通过结构化的参考解析器精准地理解对话内容,利用递归记忆处理复杂任务并采用合理的生成策略,大幅提高了任务完成率。实验结果表明,该模型相对于同领域前沿技术取得了显著的性能提升。
Sep, 2021
通过研究模型间共同基准的过程,该研究关注以生成 AI 为基础在人工智能模型中建立共同基准的过程,其中以七巧板命名任务作为测试实验,并观察到通过增量反向传播可以提高模型性能。
本研究提出了一个新颖的任务设定,以研究在动态环境下创建和维护共同基础的能力,通过新的数据集和实验,探讨了该设定引入的挑战和基线对话系统的能力,并讨论了未来的研究前景。
May, 2021
通过将对话状态追踪重新构想为一个打包的例子指导的问题回答任务,以利于持续学习并减少服务特定的记忆,该方法通过学习在过程中上下文的例子以及结合对话层次的记忆回放方法,无需依赖于任何复杂的规范化或参数扩展方法,便可获得 DST 持续学习度量上的最先进性能。
May, 2023
本文提出通过使用 Reflect 数据集中的共同知识作为引导,可以改进当前的对话模型,从而生成更具质量和多样性的回复。
Nov, 2022
研究了一种基于生成型问答和条件语言模型的不需要本体的 Dialog State Tracking 方法,具有较好的领域迁移效果。
Jan, 2021