设计和评估用于人工智能与人类交流的多聊天机器人界面：一项说服任务的初步发现
本研究基于 ChatGPT 模型实现了零 - shot 学习的教育聊天机器人，能够以多种不同的教育策略和对话风格进行个性化学习交互，此外还讨论了聊天历史记录和 ChatGPT 响应变异性带来的挑战，并提供了初步的解决方案以促进有效的教育聊天机器人的开发。
Jun, 2023
本研究探讨了 ChatGPT 对人机协作任务中人的信任的影响，通过设计了一个机器人控制系统 RoboGPT，使用 ChatGPT 来控制七个自由度机械臂，帮助人类操作员完成工具的获取和放置，并使用自然语言与人类交互，结果表明 ChatGPT 能够显著提高人机协作中的信任度，建立更自然和直观的人机交互。
Apr, 2023
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
本研究通过一个 2 x 4 的实验，在 790 名参与者中测试了聊天机器人的身份认同和质询策略对于慈善捐赠的影响，并发现其身份认同对于说服结果和人际感知有着显著性影响，还进一步探讨了身份认同和质询策略之间的交互作用，旨在为发展具有伦理和有效性的聊天机器人提供理论和实践上的启示。
Jan, 2020
通过将 OpenAI 的 ChatGPT 与具身智能系统相结合，本研究评估了它对交互式决策基准的影响。我们引入了 InterAct 的概念，将 ChatGPT 赋予多个角色，如检查员和分类员，并与原始语言模型进行整合。我们的研究在 AlfWorld 中展示了惊人的 98% 成功率，该环境模拟了一个家庭环境中的 6 个不同任务，强调了有效的提示工程的重要性。结果突显了 ChatGPT 在理解和高效完成复杂任务方面的能力，为任务规划的进一步发展铺平了道路。
Aug, 2023
本研究通过构建基于角色扮演的环境和收集对话数据集，评估了语言模型在多方对话场景下的表现，发现新的数据集 MultiLIGHT 可以在多人场景下显著提高分析表现。
Apr, 2023
该研究探讨了如何使用人类反馈来有效地开发高度吸引力的社交聊天机器人，通过伪标签和奖励模型提高了聊天机器人的用户积极性和留存率，从而达到使用者参与度优先的目的。研究结果表明，这种方法可以将聊天长度增加高达 70％，使 GPT-J 6B 模型的用户留存率增加超过 30％。未来的工作将使用奖励模型实现数据飞轮，以轮换地微调语言模型和奖励模型。
Mar, 2023
提出了一种人工智能虚拟助手对话系统，名为 ACCENTOR，目的是将聊天型机器人和任务导向型系统相结合以实现更加 engaging 和 interative 的交谈体验，通过添加 chit-chat 的方式，将人机交互设计更为实用和有趣。研究采用全新的数据收集和生成方法来提高系统的性能，并设计了三种不同的模型进行实验，与现有任务导向型四种方法相比，实现了更具情境感和人性化的 chit-chat 响应。
Oct, 2020
该研究通过设计并评价了一种 AI 驱动的多任务聊天机器人，在计算机科学教育中提升学习体验、促进学生参与。研究采用设计研究方法，开发了一个新型学习环境，其中包括指导机器人、同伴机器人、职业规划机器人和情感支持机器人四个不同的聊天机器人角色，通过满足学生的能力、自主和关联性等三个内在心理需求，以探究为基础的学习模式鼓励学生提问、寻求解决方案和探索好奇心。研究通过在一个月内与 200 名参与学生进行高等教育环境测试，将结果与人类导师和单一聊天机器人条件进行对比。研究运用混合研究方法，包括聊天记录序列分析、调查和焦点小组访谈等定量和定性手段。通过整合先进的自然语言处理技术，如主题建模和情感分析，提供了对该系统对学习者参与度、动机和探究型学习的深入理解。该研究通过其严格的设计和创新的方法，为 AI 驱动的多任务聊天机器人在重塑计算机科学教育以及创建引人入胜、支持性和激励性学习环境的潜力提供了重要见解。
Aug, 2023