Sep, 2024

超越轮换式界面：同步大型语言模型作为全双工对话代理

HTML
PDF
TL;DR本研究解决了当前对话代理只能进行“半双工”互动的局限，提出了同步大型语言模型(Synchronous LLMs)，实现了全双工对话建模。通过将时间信息集成到Llama3-8b中，并使用合成和真实的对话数据训练，研究表明这一模型在对话意义和自然性上超越了现有技术。
发现论文，激发创造
  • 双工对话：朝着口语对话系统人类化交互的方向

    该研究提出了全双工对话系统，结合多模态识别和半监督学习，实现多轮人机对话交互，该系统在阿里巴巴智能客服中的A/B测试中表现出50％响应延迟的显著降低。

    May, 2022

  • LLM对于面向任务的对话系统是否足够？

    本研究旨在研究大型语言模型在多轮任务和与外部数据库交互方面的能力，发现在显式信仰状态跟踪方面，它们表现不如专门的任务特定模型，但是如果给出正确的插槽值，它们表现出将对话引导到成功结局的能力，并且在有真实信仰状态分布或域内示例的情况下，这种能力得到了改进。

    Apr, 2023

  • BotChat: 评估LLMs在进行多轮对话方面的能力

    利用 GPT-4 对人类风格的多轮对话进行评估，发现大语言模型在生成多轮对话方面具有出色的质量，明显优于其他模型。

    Oct, 2023

  • MT-Bench-101：用于多轮对话评估大型语言模型的细粒度基准测试

    通过对真实的多轮对话数据的详细分析，在多轮对话方面构建了一个包含1388个多轮对话中4208个轮次的三层次能力分类系统，并评估了21个流行的大型语言模型在多任务评估基准MT-Bench-101上的能力以及对话中的性能差异。进一步的分析表明，无论是使用常见的对齐技术还是特定于聊天的设计，都没有明显改善大型语言模型的多轮对话能力。广泛的案例研究表明，我们设计的任务能够准确评估相应的多轮对话能力。

    Feb, 2024

  • 基于LLM的多轮对话系统的最新进展综述

    本研究综述了基于大型语言模型 (LLMs) 的多轮对话系统的研究进展，包括适应LLMs到下游任务的方法，最近在多轮对话系统中的LLM-based开放领域对话 (ODD) 和任务导向对话 (TOD) 系统的进展，并且讨论了LLMs的发展和对多轮对话系统需求增加所引起的一些未来重点和最近的研究问题。

    Feb, 2024

  • LUCID: LLM生成的复杂有趣对话短语

    通过模块化和高度自动化的LUCID系统，我们产生了一个包含4,277个跨100个意图的多领域、多意图对话的种子数据集，其中包含了各种具有挑战性的现象和多样的用户行为。

    Mar, 2024

  • DuetSim: 使用双大型语言模型构建面向任务对话的用户模拟器

    DuetSim是一个利用大型语言模型的创新框架，通过采用两个语言模型来生成任务导向的对话，既增加了回答的多样性又提高了准确性，通过在MultiWOZ数据集上的实验证实了其效果。

    May, 2024

  • 基于大型语言模型的全双工语音对话方案

    我们提出了一个基于大型语言模型的生成对话系统，能够以全双工方式运行，并同时处理对话中的听与说任务。

    May, 2024

  • 超越回合制游戏：利用Duplex模型实现实时对话

    大型语言模型的双工模型可以实现用户和AI的实时对话，通过时间分割多路复用和动态调整，提供即时反馈，改进了用户满意度。

    Jun, 2024

  • 语言模型可以边说边听

    本研究解决了传统语音模型在实时对话中无法进行双向交互的问题，提出了一种名为边说边听语言模型（LSLM）的新型设计，可以同时进行听和说的操作。研究表明，通过中间融合策略，LSLM在噪声环境中表现出色，能够显著提升人机交互的自然性与灵活性，为语音对话系统的发展提供了新的方向。

    Aug, 2024