May, 2024

关于用监督学习建模元交际基础行为的局限性

PDF
TL;DR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。
conversationcommon groundoverhearersgrounding processesmeta-communicative acts
发现论文，激发创造
  • 大型语言模型是假定的语义基础还是猜测？

    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

  • 走向利用大型语言模型实现对会话基础的理解

    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

  • 对话基础：基础行为和基础单元的注释与分析

    此研究提供了通过使用对话中的对接行为和对接单元进行标注的两个对话语料库及其对接程度的度量，以测试当前的语言模型在对话的对接行为分类中的性能，并旨在进一步研究使与机器的对话更易理解和更可靠的资源。

    Mar, 2024

  • 基于场景的澄清标注配方

    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

  • 使用进一步屏蔽语言建模在模拟环境中解决对话引导接地任务

    本研究采用语言建模方法，在 Minecraft 数据集的协作建筑任务中进行多模态任务理解和任务导向对话理解任务，以提高 AI 系统的语感，实现更好的人机互动。实验结果表明，我们的方法具有更大的优势和应用潜力。

    Jun, 2023

  • 通过互相反馈与代理互动，提高基于场景的语言理解能力

    探索交互式人工智能与人类协作的方向，研究在基于 Minecraft 世界的交互式语言理解任务中，人类可以提供哪些类型的辅助帮助，以提高 AI 行为的性能和表现。

    Apr, 2023

  • 在奇幻文本冒险游戏中学习说话和行动

    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

  • 基于实境的语言学习中的语用学问题、任务和建模方法

    人们通过上下文来丰富文字表达，实现简洁而有效的沟通，为了让人工智能系统能够与人类进行自然交互，需要强调语用学技能，从分享语言目标和约定到视觉和肢体世界中的语境等，利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法，并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系，从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求，以自然地引出语用现象的建议，并建议在更广泛的沟通语境和便利方面继续探索。

    Nov, 2022

  • 听众意识调适：透过即插即用的心理理论，说出符合听众语言的话

    本文提出一种基于心理语言学理论的适应性模型，通过模拟模块监控计划发言的有效性并实时控制话语生成，实现知识丰富的说话者对具有更有限语言和视觉经验的听者进行言语适应，以提高沟通成功率。

    May, 2023

  • 附带监督：超越监督式学习

    通过多种设计好的学习范式来缓解监督瓶颈，以在文本中诱导各种语义表征，从而帮助决策，减少生成必要的监督信号导致的代价和不可扩展的问题。

    May, 2020