- 基于 HyperCLOVA 的旅游指导机器人
本文介绍了我们在 2022 年对话机器人竞赛中提交的系统。该系统是基于规则和生成式对话系统的组合模型。我们利用 HyperCLOVA（一种日本基础模型）来生成回复和摘要、搜索信息等。此外，我们还使用了我们原创的语音识别系统，并对其进行了本次 - DRC2022 团队流程：针对口语对话中旅游目的地推荐任务的管道系统
该研究报告介绍了一种对话系统的管道结构，其中包含四个模块，自然语言理解（NLU）模块和自然语言生成（NLG）模块基于 GPT-2 模型，而对话状态跟踪（DST）模块和策略模块则基于手工制作的规则设计。在比赛的初赛中，该系统表现有限，原因可能 - EMNLP龙与地下城：人工智能对话挑战
本篇论文将 Dungeons and Dragons 视为一个对话系统的挑战问题，通过创建一个包含近 900 场游戏的游戏数据集以及使用大型语言模型生成对话来测试模型的性能，并通过人工评估和自动评估来判断其质量。
- Bil-DOS: 双语地铁对话排序系统
为了帮助非英语母语者在 Subway 餐厅点餐时解决单词翻译问题，我们开发了一个中英文混合的对话系统，包括翻译模块和对话管理模块等，用于帮助用户完成点餐流程。
- 真相与唯一的真相：使用数据流传输和受限解码的忠实可控对话响应生成
介绍了一种基于规则式与神经式语言生成结构的对话回复生成方法，该系统在流畅性，相关性和真实性方面在人类评估中的性能都优于基于规则式和学习式的方法。
- 在基于知识的任务导向对话系统中采用加权负采样进行外部知识选择
本文旨在构建一个具有鲁棒性的口语对话系统，通过引入未结构化的外部知识和采用数据构建、加权负采样、后训练以及风格转换等四种高级方法，完成了 DSTC10-Track2-Task2 的任务，实验表明我们的模型在客观评估中排名第 7，人工评估中排 - 面向灵活对话代理的手动引导对话
本文提出了一种新的手动引导对话方案，其中代理从对话和手册学习任务，从而降低了对领域本体的依赖，使其更灵活地适应不同的领域，相关实验表明该方案提高了对话系统的数据效率和领域可扩展性
- 简化数据流对话设计
本文介绍了一种基于数据流的对话系统，并提供了一个注释数据集和程序执行引擎，旨在鼓励更多从业者探索基于数据流的对话系统的新思路和设计。
- 连接世界：利用动态时空感知知识改进开放域对话
提出了一种新的方法，通过使用时间空间感知的动态知识并利用服务信息来改善对话系统，构建请求并生成全球感知响应，使其行为更像人类。通过使用 DuSinc 开放领域的人类对话数据集进行自动和人类评估，发现服务信息显著提高了对话系统的一致性，信息量 - ACL使用预训练和对比学习进行新意图发现
本研究提出一种新的意图发现方法，通过多任务预训练和对比损失优化聚类来学习语义表述以扩展对话系统中支持的意图类别。实验结果表明，该方法在半监督和无监督场景下均优于现有方法。
- ACL建立一个包含表达和经验情感标注的对话语料库
本文介绍了一种使用两种不同情绪注释的对话语料库构建方法，并讨论了该方法在日语对话语料库上的效果。研究结果表明，辨别说话者和听话者情绪有困难，使用多任务学习可以提高情绪辨识能力。
- D4：一个针对抑郁症诊断的中文对话数据集
该论文提出了一种基于临床标准的对话式抑郁症诊断方法，并构建了一个模拟医生与患者对话过程的中国对话数据集（D$^4$），通过该数据集进行多任务学习，设计出一个更具有同情心、诊断准确性更高、针对抑郁症的会话系统。
- ACL知识丰富的面向任务的对话系统 (KETOD)
在这项工作中，我们研究了如何将任务定向对话和有知识的聊天有机地整合到单个模型中，通过创建一个新的数据集 KETOD 来自然地丰富基于相关实体知识的任务定向对话。我们还提出了两个新模型，SimpleToDPlus 和 Combiner，在自动 - 动态对话策略的连续强化学习
为了解决任务导向的对话系统在学习新知识时需要不断适应的问题，我们提出了一种动态对话策略变换器 (DDPT)，它是一种能够无缝集成新知识、处理大状态空间并在暴露到未见过的领域时获得重要的零 - shot 性能的新的动态架构。我们提供一个不间断 - ACL无缝融合事实信息和社交内容的有说服力对话
本文提出了一个新颖的模块化对话系统框架，将事实信息和社会内容融合到说服性对话中。研究表明，相比于不显式处理社会内容或事实问题的端到端模型，我们的框架在所有方面包括能力和友好度方面更受用户好评。
- UniDS: 针对闲聊和任务导向对话的统一对话系统
提出了一种融合了聊天和任务对话技能的统一对话系统 (UniDS)，采用一个统一的对话数据模式，并通过对已有的聊天对话模型进行微调来训练 UniDS。实验结果表明，该系统在处理聊天和任务对话时与现有的最佳系统相当，同时在稳健性方面表现更好。
- 情感感知聊天机器：为类人情感互动生成自动情感响应
本文通过提出统一的端到端神经架构，实现对发帖的语义和情感的编码，以生成智能回复和恰当表达情感，实验证明在内容连贯性和情感适当性方面优于现有方法。
- ACL用于任务型对话系统中发现未知槽类型的新型槽位检测基准
该论文提出了一种新的任务 ——NSD，即 Novel Slot Detection，旨在通过在域训练数据发现未知或超出域的槽类型来增强对话系统的能力，并且构建了两个公共 NSD 数据集，提出了几个强有力的 NSD 基线，并建立了未来工作的基 - SIGIR在开放域对话系统中使用反向推理来提高响应质量
本文提出一种双向推理的生成模型，通过向基础的编码解码模型添加后向推理步骤，推动模型产生更多信息丰富、连贯的回复，实现了双向优化，最终提升了响应质量，成为当前响应质量最好的方法之一。
- ACL说不是一门艺术：上下文回退响应用于无法回答的对话查询
该研究设计了一种基于神经网络的对话系统，实现了基于用户查询情境感知和否定回复的定制化回答，提高了对话效果和多样性，并通过自动和人工评估证明了系统的有效性。