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

研究使用对话式多轮数据的方法加速训练自然语言到查询语言的机器学习模型，旨在解决领域数据有限及集成过程繁琐耗时等问题。

May, 2020

本文研究了对话推荐系统中的最近工作，并介绍了一种将上下文化的输入与学习模型联系起来以支持意图识别的方法，使用 transformer 基础模型在数据集 MSDialogue 上进行了性能评估。

Dec, 2022

本文提出了一个通过摘要网络和层次聚类技术来提取客户提问的框架，同时对客户的问题进行语法和语义相似度分析，并采用 TF-IDF 和 BERT 计算相似性得分。

Sep, 2021

语音助手在电子设备中广泛使用，但如何让语音助手主动向用户提供建议尚未得到充分关注。本文针对电子商务领域中的购物产品问题进行了研究，通过识别用户的购物需求，语音助手能够提供产品或交易建议，提升购物体验。通过使用用户的购物历史数据，我们提出了一种基于 Mixture-of-Experts (MoE) 模型的新型特征，能够准确识别购物产品问题，取得了较高的 F1 得分。在实际用户中进行在线评估，我们能够实时识别购物产品问题并向用户推荐购物动作，提高用户加入购物清单的比率。

Apr, 2024

本研究探讨在对话过程中通过搜索引擎来提供最新的知识，在用于生成回复时综合搜索结果的效果优于其他方法，如无搜索或基于 FAISS 检索模型的方法。

Jul, 2021

本文研究了一种聊天机器人，旨在通过找到语料库中输入的相似模式来解决客户提出的问题，并使用音频输入接口以及性能度量来提高聊天机器人的性能。

Jun, 2022

本研究提出了一种基于非相关项驱动的产品搜索对话范式，该范式旨在收集和利用细粒度反馈，以在下一次迭代中显示更好的结果。我们提出了一种方面 - 价值可能性模型，用于结合正反馈和负反馈。实验结果表明，我们的模型比基于项级负反馈和不使用反馈的最先进的产品搜索基线显着更好。

Sep, 2019

该论文介绍了一种新型的多层 LLM 接口，用于协助超市机器人为顾客提供服务，并提出了使用多个经过细分调整的小型专用 LLM 来处理不同用户查询的方法，通过与 GPT-4 Turbo 相比较，实验结果表明多层 LLM 机器人在性能、用户满意度、用户 - 代理合作及自我形象等四个关键领域取得了显著改进，同时还提出了一种超市机器人导航的方法，使机器人能够根据聊天机器人的响应将产品引导到正确的货架上，然后通过更低级别的机器人知觉、控制和规划实现物品的自动检索。

Jun, 2024

借助产品评论作为主观意见的丰富来源，我们开发了第一个销售对话的对话 AI OpinionConv，通过多次用户研究验证了生成的意见被认为是真实的，评估者也证实了意见作为决策基础的重要性。

Aug, 2023