- 智能无人系统中协作感知的任务导向无线通信
通过提出一个面向任务的无线通信框架，本文旨在共同优化通信方案和合作感知（Collaborative Perception, CP）过程，以解决实现 CP 所面临的关键挑战。研究提出了适应性压缩和强健融合方法，目的是在无线通信限制下提取和利用 - 通过思维链推理在大型语言模型中注入销售人员的对话策略
SalesBot 2.0 通过使用大型语言模型（LLMs）的常识知识和链式推理（CoT reasoning）训练销售代理人，并结合改进后的数据集，实现了对话策略的控制、提高了连贯性和减少了攻击性，从而促进销售 - 顾客互动过程的更好模型学习 - 销售机器人 2.0：一个人类化意图导向的闲聊数据集
本文介绍了 SalesBot 2.0，通过使用大型语言模型的常识知识逐渐缩小闲聊和面向任务的对话之间的差距，构建了一个新的大规模数据集，提供了更加平滑的话题转换和更加接近人类自然性和一致性的对话，对学术研究和商业应用都具有重要价值，并提出了 - 系统触发的闲聊和任务导向对话之间的统一对话模型
本文研究了即使在一个对话中从聊天转向任务或从任务转向聊天，也会出现的潜在 “主动” 问题，并提出了两种有效的提示模型，以在统一的对话模型中主动生成过渡句子触发系统主导的转换。
- ICMLMetaDiffuser：离线 Meta-RL 的扩散模型作为条件规划器
本文提出了一种基于任务的条件扩散规划器 (MetaDiffuser) 来解决离线 meta-RL 中通用性问题，该规划器可以生成针对任务的轨迹以在各种任务间进行规划。实验结果表明 MetaDiffuser 能够表现出优异的生成轨迹能力，优于 - R2H：构建多模态导航助手以响应帮助
本文提出了一种新的机器人辅助人类在导航任务中的能力的评估方式 R2H，并通过任务导向的响应生成模型 SeeRee 来提高其能力，自动和人工评估结果表明 SeeRee 通过视觉信息提供了更加有效和信息量更大的响应.
- 基于多阶段粗 - 细对比学习的对话意图识别
本文提出了一个多阶段的粗到细对比学习模型训练方案，用于联合对比学习和聚类在任务导向的对话中识别意图，该方法在 DSTC11 跟踪 2 评估结果中排名第一。
- EMNLP使用噪声通道模型在文档驱动对话系统中控制事实性
本文提出了一种模型，通过 Bayes 定理将其分解为两个部分，其中一个是传统的非基础回应生成模型，另一个是基于对话上下文和生成的回应重建基础文档的模型。我们提出了不同的近似解码方案，并在多个开放域和面向任务的基础对话数据集上评估我们的方法， - 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。
- ACLSalesBot：从闲聊转向面向任务的对话
探索如何从社交对话到任务导向对话的平滑转换，为触发商业机会提供支持。提出了一个自动生成对话的框架，并在此基础上发布了一个大规模数据集，该数据集为未来的研究和商业活动提供了巨大的潜力。
- ACLDialoKG: 以知识结构为导向的任务型对话生成
本论文提出一种新的面向任务的对话系统 DialoKG, 通过将关系型知识看作知识图，并引入结构感知知识嵌入技术和知识图加权注意力掩膜策略来有效地将知识嵌入语言模型，实现人类化和信息化的对话。通过在多个标准基准数据集上的实证评估，展示了 Di - Converse：基于树结构的模块化任务导向对话系统
Converse 是一种基于任务、灵活性高的对话系统，采用模块化设计并提供强大的多任务对话管理功能，支持任务依赖和任务切换，是一种易于构建和维护的机器人建造工具，适用于专业和非专业开发人员。
- 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。
- EMNLP使用基于架构的提示的语言模型实现对话状态跟踪
提出了一种新颖的基于预训练语言模型的任务驱动对话状态追踪方法，利用基于模式的提示和模式描述提高了性能，适用于多个基准测试（MultiWOZ 2.2、MultiWOZ 2.1 和 M2M），实现了最先进的性能。
- 非自回归任务导向语义解析的跨度指针网络
本研究提出基于 span pointer networks 的非自回归任务导向的语义解析器，通过将推断任务从文本生成转移到区间预测，从而改善了长度预测和提高了模型的泛化能力。
- AAAI学生 - 教师架构在元学习环境下用于对话领域自适应
提出了一种高效的领域自适应任务导向对话系统模型，通过使用元教师模型量化不同领域中上下文下生成的令牌的重要性来指导对话模型，实现更好的自适应效果并达到最先进的性能水平。
- EMNLP使用参数学习任务导向对话系统的知识库
本文提出了一种将知识库（KB）嵌入到模型参数中的方法，从而实现无需在交互中使用 DST 或模板响应以及 KB 作为输入的端到端对话系统；实验证明，基于该方法的端到端模型在各种 KB 大小下能够实现优异的性能。
- UniConv: 多领域任务导向对话的统一对话神经架构
提出了一种名为 UniConv 的神经结构，它能够同时训练多个模块，包括对话状态跟踪和回答生成器，用于多域任务导向的对话系统，实验表明其在 MultiWOZ2.1 基准测试上具有优异的性能。
- ACL面向任务的对话状态生成的长上下文建模
本论文提出了一种基于 TRADE 的可转移对话状态生成器，结合简单有效的话语标记技术和双向语言模型的多任务学习模型，旨在解决基线性能在长对话上大幅下降的问题，最终在 MultiWOZ 2.0 数据集上实现了 52.04％的联合目标准确性，相 - IJCAIAdaBERT: 可适应任务的 BERT 压缩与可微分神经架构搜索
本研究提出了一种名为 AdaBERT 的压缩方法，利用可微分神经结构搜索自动为特定任务压缩 BERT，以达到速度和参数大小的较优权衡，并通过几个 NLP 任务的评估表明，能够保持与 BERT 相当的性能，但速度快 12.7x 到 29.3x