- LLM 能理解对话中强调句的含义吗？
这篇论文介绍了 Emphasized-Talk，这是一个带有强调注释的对话样本基准，用于捕捉强调的含义。作者评估了各种 LLMs，包括开源和商业化模型，以衡量它们在理解强调方面的性能。此外，作者还提出了使用 GPT-4 的自动评估流程，其与 - 利用层次化聚合树增强长期记忆的检索增强生成
大型语言模型的上下文能力有限，通过使用分层聚合树内存结构可以在长对话中进行推理，提高对话的连贯性和摘要质量，同时避免了参数呈指数级增长。
- 关于创造力和开放结果的研究
人工生命（ALife）作为一门跨学科领域，从各个角度汲取灵感和影响，并依赖于协同努力来进行学术交流。本文的目标是重新激发计算创造力（CC）和人工生命（ALife）领域之间潜在联系的讨论，特别关注开放性（OE）的概念；CC 的主要目标是赋予人 - COLING对话解释质量建模
通过分析 Reddit 论坛中的 399 个对话，研究了解释对话的交互流程以及它们如何与成功理解相关，最终使用两个能处理较长输入的语言模型对交互流程进行编码，并提供了经验证据证明编码对预测解释对话成功的有效性提升。
- KoCoSa：韩语上下文感知讽刺检测数据集
该研究介绍了一个新的数据集，KoCoSa，用于韩语对话中的讽刺检测任务，并提供了用于该任务的基线系统。实验证明，基线系统在韩语讽刺检测任务中优于 GPT-3.5 等大型语言模型。
- 医疗协助导航系统：调动通用 LLM 在医疗咨询中的力量
提出的医疗协作助手通过对话、记忆和处理三个组件的结合，提高了大型语言模型在医疗咨询中的查询能力、对话流畅度、回答准确性和安全性。
- 从语言学角度帮助一下：多方随意对话的主题分割
通过对话的主题结构进行分段，以便更好地理解对话的结构和组织方式。
- 多样性对团体决策的影响
我们通过分析小组对 Wason 卡片选择任务的讨论，评估认知多样性对小组决策成功的影响，结果表明较高的认知多样性与更成功的小组讨论相关。
- 以字符串形式的状态作为策略：通过博弈理论求解器驾驭语言模型
对话和游戏理论的结合，使用大型语言模型提供了生成对话和构建游戏理论解决概念的能力。
- LLaVA-$φ$: 高效的多模态助手与小型语言模型
介绍了 LLaVA-Phi，一种高效的多模态助手，利用最近先进的小型语言模型 Phi-2 的强大能力来促进多模态对话，并展示了即使是参数只有 27 亿的小型语言模型，只要用高质量的语料库进行训练，也能在集成文本和视觉元素的复杂对话中有效参与 - EMNLP对话中的自动事实核查：需要专门的模型吗？
利用检索适应和转换对话输入的技术，使得典型事实核查模型在对话和独立断言上都能保持准确性，与对话精细调整模型相比具有竞争力。
- 会话级别的方面情感四元分析的动态多尺度上下文聚合
这篇论文提出了一种新颖的动态多尺度上下文聚合网络（DMCA）来解决对话中的目标 - 方面 - 意见 - 情感的提取过程中遇到的挑战。实验结果表明，DMCA 模型明显优于基线模型，达到了最先进的性能。
- 基于主题感知的多回合对话理解
该研究提出了一种从主题感知的角度对多轮对话进行建模，使用对话切分算法将对话段落无监督地拆分为主题集中的片段，并将这些片段作为主题感知的语言处理单元用于进一步的对话理解。通过在聚类系统中设计自训练自编码器，并构建两个构造的数据集进行评估，我们 - 多模对话模型处理澄清对话的能力评估
在对话中，当引用表达不能唯一地识别出意图的指示对象时，产生了指向性模糊。此研究表明生成和回应澄清请求对于多模式、以视觉为基础的对话模型的架构和目标函数有特定的限制。通过使用 SIMMC 2.0 数据集评估不同最先进模型体系结构处理澄清交流的 - 量化语音中词汇和非词汇通道的感知价值
通过量化非词汇信息对对话期望的感知价值，本文展示非词汇信息在对未来对话的期望中产生一致影响，即使在与仅有词汇内容相比出现较差的鉴别性判断时，它也在参与者之间产生更高的共识。
- ACL多语言比喻对话数据集：我像兔子一样快，你呢？
本文提出了一个用于研究复杂比喻现象的多语言比喻对话数据集（MSD），其中包含三个比喻任务（识别，解释和生成）和两个对话任务（检索和生成）的实验结果，并公开数据和代码以便更深入研究。
- ECQED：对话情感 - 原因四元组提取
本文提出了 Emotion-Cause Quadruple Extraction in Dialogs (ECQED) 任务，旨在检测情感 - 原因话语对和情感与原因类型。我们提出了一种基于结构和语义异构图及并行网格标记方案的 ECQED - ACL自动分割作为多模式话语注释辅助工具的效果如何？
评估不同话语分割技术在协作问题解决注释中的有效性，自动分割和手动划分有所不同，且自动划分中的标注需要调用其他信息做出主观判断。
- 多粒度提示在对话中的话题转移检测
通过提示式方法从对话中多层次提取主题信息，可以有效地识别对话主题的变化与多样性，且实验结果显示该方法优于现有方法。
- 通过人机合作解决自然语言处理问题：一种基于讨论的方法
研究创建一个数据集和计算框架，使系统能够与人进行对话并改进其预测，通过实验表明所提出的系统可以通过讨论与人产生益处的对话，从而在自然语言推理任务中提高准确性高达 25 个百分点。