- ACL背景对任务导向的对话系统中的众包评估标签的影响
使用大型语言模型对对话上下文进行摘要，以提供丰富而简短的对话上下文描述，并研究其对标注人员性能的影响。通过减少上下文提供来获得更积极的评分，而提供完整的对话上下文则能够获得更高质量的相关性评分，但会引入有用性评分的歧义。使用第一个用户话语作 - CKERC：面向会话中情感识别的联合大型语言模型与常识知识
基于大型语言模型的共识知识框架 CKERC 是一种用于对话中情感识别的方法，通过生成基于历史话语的对话者共识来提供间接线索信息，并通过解决共识知识在情感识别任务中的有效性进行了实证分析。
- ACL协调混合对话：对话中基于个性的混合编码响应生成
该研究探讨了多语言混合对话中的回应生成问题，并介绍了一种利用从对话中无监督获取的大五人格特质来提高回应生成性能的新方法。实验结果表明，将人格融入对话背景可以显著增强生成回应的上下文相关性，并提高模型的整体性能。
- EMNLP对话链条思路精炼：注重常识的对话代理
提出了一种知识蒸馏框架，利用大型语言模型作为不可靠的教师，并通过对齐过滤器选择性地提炼一致和有帮助的合理性，以实现对话语境中的多跳推理。进一步提出了 DOCTOR，一种可靠的 DialOgue Chain-of-ThOught Reason - 将注释者的不确定性融入到篇章关系的表达中
对话语境及刚入门的注释者的不确定性是注释语篇关系的困难任务，我们通过计算包含置信度和对话语境信息的共现统计数据中的语篇关系的分布表示，并进行层次聚类分析，发现计算这些表示并赋予关于置信度和对话语境的信息能够连贯地模拟注释者对于语篇关系标签的 - 社交推理游戏中说服行为建模的多模态数据集：我们中的狼人
本文介绍了第一个模拟说服行为的多模态数据集，并使用对话背景和视觉信号提供了广泛实验证明，展示了说服策略预测的益处和语言模型对说服建模的泛化能力。
- M3ED：多模态多场景多标签情感对话数据库
该研究提出了一个含有 7 种情感类别的中文多模态多场景多标签情感对话数据集，命名为 M3ED，用于帮助跨文化情感分析与识别，并提供了多模态上下文感知框架（MDI）以进行情感识别。
- 先理性再回应：知识注入对话模块化生成
本文提出了一个模块化的知识转换模型（K2R）来将知识纳入对话体系，通过将这一问题分解为两个简单的步骤来解决对该问题的挑战。在详细实验中，我们发现这种模型在与知识相关的对话任务中幻觉较少，并且具有解释性和模块化方面的优势。
- ICLRDialoGraph：将可解释的策略 - 图网络应用于谈判对话
本文介绍了一种使用图神经网络来加入实用策略以进行有针对性的谈判的系统 DialoGraph，在训练过程中采用了一种新的图形表示方法，该方法能够更好地预测下一个最佳策略，并在精度和质量方面优于现有的谈判模型。
- ICLR学习语义图上的推理路径，为基于视频的对话建立基础
使用 PDC 模型通过语义图的构建和路径预测，依据对话上下文进行推理，从而在多轮视频对话中检索视觉线索并有效回答问题。
- ACL对话回应时间的神经生成
该研究利用神经模型模拟对话中口语回应时间的分布，结合上下文因素进行预测，实验结果表明将该模型融入增量口语对话系统，可以提高人们在交互中的感知自然度。
- 对话安全的建立、破坏和修复：来自于人类对抗性攻击的鲁棒性
本研究以交互式学习的方式开发出一种训练方案，提高自然语言处理在对话中检测攻击性语言的鲁棒性，并证明此方法比前一代系统稳健性更强。同时，该研究表明检测对话中的攻击性语言不能看作是单个句子的任务，必须考虑到对话背景。
- NIPS生成式深度神经网络在对话中的应用：简要综述
该研究探讨了基于深度神经网络的自动生成响应的模型，着重讨论了结构松散的任务，如基于单词级别的对话响应生成，并提出了基于生成的编码器 - 解码器神经网络架构的新模型，以增强对话的长期历史纪录、建模对话中的不确定性和歧义性、生成具有高级组合结构