- 将脑科学概念引入到具身式手工对话管理系统中
本文探讨了在与人类进行自然语言对话或直接语音交流的过程中,将对话系统的研究置于综合智慧的广阔背景之中,从而引入来自神经生物学和神经心理学的概念,以定义能够调和手工设计和人工神经网络的行为架构,并为模仿或指导式学习等未来新的学习方法开启新的可 - UniPCM:具备任务感知自动提示的通用预训练对话模型
使用任务驱动的自动提示生成(TAP)生成高质量提示来扩展预先训练的会话模型的数据集,从而构建了适用于各种对话任务和不同对话系统的通用会话预训练模型(UniPCM),该模型表现出强鲁棒性、卓越的迁移能力,可在低资源场景下实现九个不同数据集上的 - 好奇心的魔法师:丰富对话与有趣事实
通过加入趣味性的对话,丰富上下文的好奇心可以提升用户对于对话系统的感知和整体使用体验。本文介绍了一系列针对烹饪和 DIY 领域对话的精心挑选的趣味点,通过亚马逊 Alexa TaskBot 挑战中收集的真人与 Agent 之间的对话进行了多 - 自然语言生成对话服务的聊天体验的预测因素是什么?
通过使用 PLS-SEM 方法,本研究提出了一个基于自然语言生成的对话系统的聊天体验预测模型,该模型研究了包括生成的提示,对话中的连贯性、情感和相似性以及用户感知的对话代理的友好度在内的各种因素,研究的结果表明,用户友好度和对话的连贯性、情 - 带有课程的用户自适应语言学习聊天机器人
本研究基于 BlenderBot3 对中学生进行英语教育,采用课程对齐解码技术构建了一个课程对齐的对话系统,并利用该系统提高学生英语学习的兴趣和对目标单词的理解。
- DORIC:通过依存解析实现开放式意图聚类的领域鲁棒微调
该研究介绍了他们在 Dialog System Technology Challenges 11(DSTC11)中跟踪 2 中的工作。 DSTC11-Track2 旨在为零 - shot、跨领域、意图集归纳提供基准。他们利用多领域对话数据集 - 简化生成结构的用户模拟器和任务驱动对话系统的联合强化学习
本研究首次探讨了使用在线增强学习的基于 GPT-2 的对话系统和端到端用户模拟器,并提出了简化的生成架构作为 DS 和 US 的模型,使用缩短的历史,同时展示了 SGA-JRUD 模型在离线和在线评估中的优异表现。
- 面向任务导向对话的端到端检索生成
介绍了 AARGH,一个综合了检索和生成方法的端到端任务导向对话系统,旨在改善对话管理和输出的词汇多样性。在 MultiWOZ 数据集上,我们展示了该方法相对于最先进的基线方法可以产生更多样化的输出,同时维持或提高状态跟踪和上下文 - 响应 - DialCrowd 2.0: 一个专注于质量的对话系统众包工具包
介绍 DialCrowd 2.0,以提高使用众包获取训练、微调和评估对话系统高质量数据的开发者对任务的呈现和与工人交流的有效性,并指导改进人类智能任务。
- 对话系统任务化与非任务化之间的桥梁: Chat, Shift and Perform
CASPER 是一种新型的对话系统,包含三种对话模型:聊天机器人,主题转换机器人和执行机器人。在用户研究中,相比于端到端训练的基线对话系统,CASPER 在自然度、无强制主题转换和用户满意度等方面给人留下了更好的印象。在消融研究中,我们发现 - 通过问问题学习检索视频
提出了一种具备多轮对话交互能力的视频检索框架,该框架包括 AI agent、多模态问答生成器及信息指导监督器,实验表明其效果显著优于传统非交互方式的视频检索系统。
- ACL对话状态跟踪的继续提示调整
本文提出了一种连续的提示调整参数有效的框架,可避免对旧任务的遗忘并在任务之间实现知识转移,验证实验表明该方法在对话状态跟踪领域中具有有效性和高效性。
- 走向开放领域对话学习
本文提出修改对话系统,使其能够学习的方法,并讨论了如何从对话中提取知识、更新代理的语义网络并以行动和观察为基础。希望引起人们对该领域的关注,并成为未来研究的重点。
- AAAI基于图的任务对话系统知识选择器
本论文基于当代最先进的语言模型构建了 Graph-Knowledge Selector(GKS)来解决对话系统中知识选择的问题,并考虑了知识之间的联系,明显优于 Ninth Dialog System Technology Challeng - EMNLP不和任何事物相矛盾!CI-ToD:面向任务型对话系统的一致性基准评估
本文介绍了 CI-ToD 数据集,并提供了单标记和细粒度标记两种方法并进行数据注释以解决任务导向对话系统中的一致性预测问题,实验结果表明目前最先进的方法只能达到 51.3%,存在改进的空间。
- Wordcraft: 人工智能协作写作工具
Wordcraft 是一种 AI 辅助编辑器,使用与对话自然属性相结合的少样本学习,可以支持各种交互方式,为写作者提供了一个沙盒,以探索基于 transformer 的语言模型的边界,并为未来的以人为核心的训练管道和新的评估方法铺平了道路。
- ACL通过受人格影响的情绪转移自动选择回应情绪
本研究旨在为对话系统引入人格特质,通过模拟人类在对话中的情感转换来自动选择回应中的情感,使用 VAD 情感空间和神经网络模型来呈现情感二元组之间的转换,并验证了此方法的有效性。
- ACLOodGAN: 用于域外数据生成的生成对抗网络
使用 SeqGAN 的 OodGAN 模型,可直接处理文本数据而无需附加自编码器组件,生成的 OOD 数据优于 ROSTD 和 OSQ 数据集的现有模型,因其相应的假阳性率的 FPR 0.95 相对提高了 67%和 28%(Zheng et - ACLADVISER:一个开发多模态、多领域和社交式对话代理的工具箱
ADVISER 是一个开源、多领域的对话系统工具包,能够开发多模态(包括语音、文本和视觉)、社交互动(如情感识别、参与度预测和反馈)的交互式代理。它基于 Python 实现,灵活易用,不仅适用于机器学习研究人员等技术经验丰富的用户,也适用于 - AAAI指引我们:从演示中学习对话管理
我们对第八次对话系统技术挑战赛的端到端多域对话跟踪进行了提交。我们的系统采用管道架构,包含自然语言理解、对话状态跟踪、对话管理和自然语言生成等组件。我们利用基于示范的深度 Q 学习强化学习算法来学习对话策略,并通过对话管理组件的评估表明该方