- 第二届 FutureDial 挑战赛：检索增强生成式对话系统 (FutureDial-RAG)
The 2nd FutureDial Challenge aims to improve dialog systems by incorporating retrieval augmented generation techniques, - 对话系统中受人格影响的情感生成
使用人格特征为对话系统生成情感，通过模拟情绪转变过程来改善情感生成性能。
- 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。
- EMNLP从自由文本人类反馈中学习 -- 收集新数据集还是扩展现有数据集？
通过人类的自由文本反馈进行学习对于对话系统至关重要，本文通过研究多个常用的对话数据集，包括 MultiWoZ，SGD，BABI，PersonaChat，Wizards-of-Wikipedia 和 Self-Feeding Chatbot - 设备上的智能助手语言理解
近期，手机和其他个人设备上运行个人数字助手成为可能。本文描述了在设备上运行的自然语言理解系统的设计。与基于服务器的助手相比，该系统更具隐私性、可靠性、速度更快、表达能力更强且更准确。我们描述了关于架构和技术的关键选择。例如，对话系统文献中的 - 基于 And-Or 递归器和细化神谕的目标驱动 LLM 对话线程全自动化
我们介绍了一种使用基于 Horn 子句解释器的经验性语言模型，自动执行深层次的、逐步的推理任务来细化对话线程来实现任务特定的对话。
- 面向人的对话系统评估指标
提出基于心理学，对话系统评估的度量标准，包括情感熵、语言风格和情感匹配度、宜人性和共情等 5 个指标。将这些指标与 6 个最先进的自动评价指标进行比较，并使用三种不同模型（ChatGPT、GPT-3 和 BlenderBot）的对话数据集进 - 对话模型的节约提示
研究了使用大型语言模型建立对话系统的不同方法，并分析了对话历史的表示方式，提出了一种更紧凑的提供对话历史信息的方法，从而有效减少模型 API 的成本。
- 面向任务导向对话系统的异步更新强化学习框架
提出了异步更新强化学习框架（AURL），通过协作设置异步更新 DST 模块和 DP 模块，并实现课程学习以解决强化学习采样过程中不平衡数据分布的问题，并引入多个用户模型增加对话的多样性，实验表明，在公共数据集 SSD-PHONE 上，该方法 - q2d：从问题到对话，训练模型学习搜索
该论文介绍了一种自动生成基于搜索查询的对话数据的机器学习方法，通过使用大型语言模型生成问题回答数据集，学习如何与外部搜索 API 通信，以生成具有上下文的搜索查询，从而改善对话系统的回答效果。
- COLING门控机制增强的对话路由多任务学习
本文提出一种基于 Gated Mechanism 的多任务模型来处理各种对话数据之间的任务和知识关系，并取得了最优表现。
- 利用合成的开放领域对话提高任务机器人的参与度
提出了一种自动生成结合任务导向对话和开放领域对话的框架，同时介绍了一种适用于这一任务的统一模型 PivotBot，并通过评估结果证明，该模型能够在任务导向对话和开放领域对话之间无缝切换。
- 任务导向对话的词典注入语义分析
本文提出一种新的基于层次表示的语义分析模型，使用分裂跨度和词汇注入技术，解决动态槽值的问题，取得了 TOP 数据集上最新的最佳结果。
- EMNLPBotSIM：商务任务导向对话系统的端到端机器人仿真框架
BotSIM 是一种数据高效的端到端 Bot 模拟工具包，用于商业文本任务导向对话系统，其包括生成器、基于议程的对话用户模拟器和修复程序，加速端到端 Bot 评估和迭代过程。
- EMNLP理解对话系统中错误拟人化言语：机器人不会哭泣
通过收集大约 900 个对话样本，我们发现用于训练对话系统的一些常见数据源中，20-30％的话语被认为机器不可能说出来。此外，我们还研究了建模配置如何影响输出许可，并讨论了构建不那么虚假拟人对话系统的影响。
- EMNLP基于 GPT 架构和目标状态跟踪的增强式多领域对话系统的生成式用户模拟器
本文提出了一种以 GPT-2 模型为基础，利用目标状态追踪的生成式用户模拟器（GUS）来解决用户模拟器训练时遇到的挑战，并在 MultiWOZ2.1 数据集上通过交叉模型评估、基于语料库的评估和人类评估等方法对训练出的多个对话系统进行对比， - 使用聊天机器人教授语言
本研究旨在构建一种在线语言学习工具，通过使用对话系统作为实践对话伙伴，为学习者提供对话体验。我们的系统可以根据用户的语言熟练程度进行自适应，并且提供自动语法错误反馈来帮助用户从他们的错误中学习。根据我们的初步用户反馈，我们的系统既实用又有趣 - 面向任务导向对话的意图分类和槽位填充数据集调查
该研究调查了公开可用的意图分类和填槽任务数据集，并对每个数据集的重要特征进行编目，以提高这些数据集的可访问性，便于未来评估对话系统的意图分类和填槽模型。
- 半监督强化任务导向对话系统挑战赛
本研究旨在解决半监督和强化的任务导向型对话系统方面的问题，并且与 EMNLP2022 SereTOD 研讨会合作。
- MSDF: 通用开放域多技能对话框架
该研究提出了一种通用的多技能对话框架 MSDF, 它可以应用于不同的对话任务，并通过在不同的大型对话语料库上预训练响应生成器来实现。使用外部知识的灵活复制机制强化了在各种情境中的多种形式知识的利用，并且在多项任务中较基准模型表现更好。