Can ChatGPT be Your Personal Medical Assistant?
本研究利用含约43万条问答的阿拉伯语医疗数据集微调 GPT-3.5-turbo，经自动与人工评估验证，证明其作为阿拉伯语私人医疗助手颇具发展潜力。
2023-12-19 cs.CL cs.SI
The Potential and Pitfalls of using a Large Language Model such as ChatGPT or GPT-4 as a Clinical Assistant
Pangaea Data Limited（泛大陆数据有限公司）；Data Science Institute, Imperial College London（帝国理工学院数据科学研究所）；Hong Kong University of Science and Technology（香港科技大学）
本文通过真实世界 EHR 患者识别和假设病例前瞻性诊断两项实验，评估 ChatGPT/GPT-4 的临床辅助能力，发现 GPT-4 表现优异但存在错误、过度医疗与隐私风险。
2023-07-16 cs.CL
Mind the Gap: Linguistic Divergence and Adaptation Strategies in Human-LLM Assistant vs. Human-Human Interactions
Amazon.com Inc.（亚马逊公司）
该研究发现用户与LLM聊天机器人和人工客服交互时沟通风格存在显著差异，提出后训练数据增强和推理时消息重构两种适配策略，实验表明风格多样数据集训练的模型性能更优。
2025-10-03 cs.CL
LLM should think and action as a human
针对大语言模型多轮对话易出错、难适配不同需求、工具调用低效等问题，提出基于内置思维链的思考方法，通过监督微调与强化学习增强模型推理规划能力，解决多轮对话相关问题。
2025-02-20 cs.AI cs.CL
Humanlike Multi-user Agent (HUMA): Designing a Deceptively Human AI Facilitator for Group Chats
Soofte Research（Soofte研究机构）
HUMA是一种基于LLM的多用户对话促进者，通过事件驱动架构模拟人类交互，实现在自然群聊中与人类相当的质量并难以识别。
2025-11-21 cs.CL
ChatGPT Chemistry Assistant for Text Mining and Prediction of MOF Synthesis
University of California, Berkeley（加州大学伯克利分校）；Kavli Energy Nanoscience Institute, University of California, Berkeley（加州大学伯克利分校卡夫利能源纳米科学研究所）；King Abdulaziz City for Science and Technology（阿卜杜勒阿齐兹国王科技城）
本文提出基于ChemPrompt Engineering的ChatGPT化学助手，自动挖掘MOF合成文献，并构建机器学习模型预测结晶结果。
2023-07-20 cond-mat.mtrl-sci cs.CL cs.IR
Talking to Data: Designing Smart Assistants for Humanities Databases
European University at Saint Petersburg（圣彼得堡欧洲大学）
本文提出一个基于LLM和RAG的聊天机器人智能助手，集成混合搜索、text-to-SQL等技术，支持用自然语言查询Prozhito人文档案，以提升人文研究的可访问性与效率。
2025-06-01 cs.CL
Deceptive Patterns of Intelligent and Interactive Writing Assistants
The University of Texas at Austin（得克萨斯大学奥斯汀分校）；University of Bayreuth（拜罗伊特大学）
本研究针对智能交互式写作助手信息不透明易出现欺骗设计的问题，将现有文献中的欺骗性模式概念迁移至AI写作助手场景，旨在提升认知并推动相关交互设计影响的研究。
2024-04-14 cs.CL cs.HC
ChatVis: Automating Scientific Visualization with a Large Language Model
Argonne National Laboratory（阿贡国家实验室）
研究开发了迭代式助手ChatVis，利用LLM自动生成并修正Python数据可视化脚本，通过错误检测与纠正机制在五个场景中成功生成正确脚本，优于无辅助LLM。
2024-10-07 cs.AI cs.CL cs.HC
Speculative End-Turn Detector for Efficient Speech Chatbot Assistant
POSTECH（POSTECH大学）；HJ AILAB（HJ人工智能实验室）；KAIST（韩国科学技术院）
本文提出SpeculativeETD，通过轻量GRU模型和高性能Wav2vec模型结合，提升资源受限环境下的终点检测效率与准确性。
2026-04-21 cs.AI cs.CL cs.LG
AI Chat Assistants can Improve Conversations about Divisive Topics
Brigham Young University（杨百翰大学）；Duke University（杜克大学）；University of Washington（华盛顿大学）
该研究利用大型语言模型在分歧性话题的在线对话中提供实时建议，发现此举能提升对话质量、减少政治分歧并改善语气，且不改变对话内容或政策态度。
2023-10-20 cs.AI cs.CL cs.HC
ChatEd: A Chatbot Leveraging ChatGPT for an Enhanced Learning Experience in Higher Education
University of British Columbia（不列颠哥伦比亚大学）
本研究提出一种结合ChatGPT与传统信息检索聊天机器人框架的创新架构，以解决LLMs在教育中生成错误答案的挑战，为高等教育提供增强的学生支持，实证评估显示其高度前景。
2023-12-29 cs.CL cs.CY
Several categories of Large Language Models (LLMs): A Short Survey
Cardinal Health（卡地纳健康）
本综述梳理了金融、多语言、生物医学临床、视觉、代码等五类大语言模型的方法、数据集等进展，指出聊天机器人开发的现存问题，为相关研究者与从业者提供参考与方向。
2023-07-05 cs.CL cs.LG
Assessing Web Search Credibility and Response Groundedness in Chat Assistants
Faculty of Information Technology, Brno University of Technology（布拉格技术学院）；Kempelen Institute of Intelligent Technologies（智能技术研究所）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Centre for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心）
本文提出了一种评估聊天助手网页搜索可信度和响应基础性的新方法，通过对比多个助手在不同主题上的表现，揭示了其在事实核查中的差异。
2026-02-19 cs.CL
Prompt-Based Cost-Effective Evaluation and Operation of ChatGPT as a Computer Programming Teaching Assistant
Department of Mathematics and Computer Science, Universitat de Barcelona（数学与计算机科学系，巴塞罗那大学）
本文研究将ChatGPT用作编程教学助手的可行性，评估GPT-3.5T和GPT-4T的反馈表现，提出基于提示和上下文学习的自动化评估方法，并给出实用学习工具的实现策略。
2025-05-04 cs.AI cs.CL cs.CY
LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory
UCLA（加利福尼亚大学洛杉矶分校）；Tencent AI Lab（腾讯人工智能实验室）；UC San Diego（加利福尼亚大学圣迭戈分校）
针对LLM聊天助手长期记忆能力不足的问题，提出LongMemEval基准评估五项核心能力，并构建索引、检索、阅读三阶段统一框架及多项优化，显著提升记忆召回与问答准确率。
2025-03-04 cs.CL
Personalized Large Language Model Assistant with Evolving Conditional Memory
The Hong Kong Polytechnic University（香港理工大学）；INF Technology (Shanghai) co., Ltd.（INF科技（上海）有限公司）；Institute of Artificial Intelligence, Soochow University, China（苏州大学人工智能研究院）
本文提出一个即插即用的框架，通过演化条件记忆机制保存用户历史对话知识，实现个性化大语言模型助手，并构建首个评估基准验证了其有效性。
2024-10-13 cs.AI cs.CL
Chat Detection in an Intelligent Assistant: Combining Task-oriented and Non-task-oriented Spoken Dialogue Systems
The University of Tokyo（东京大学）；Yahoo Japan Corporation（雅虎日本公司）
最近出现的智能手机和家用电子产品上的智能助理（例如，Siri和Alexa）可以被视为特定领域任务导向的口语对话系统和开放领域非任务导向的口语对话系统的新混合体。为了实现这样的混合对话系统，本文研究确定用户是否要与系统聊天。为了解决这个任务缺乏基准数据集的问题，我们构建了一个新的数据集，包括从商业智能助理的真实日志数据中收集的15; 160个话语（并将发布数据集以促进未来的研究活动）。此外，我们调查使用推文和Web搜索查询处理开放域的用户话语，其特征在于聊天检测的任务。实验表明，虽然简单的监督方法是有效的，但使用推文和搜索查询进一步将F1分数从86.21提高到87.53。
2018-07-24 cs.CL
PersonaLens: A Benchmark for Personalization Evaluation in Conversational AI Assistants
University of Edinburgh（爱丁堡大学）；Amazon（亚马逊）；University College London（伦敦大学学院）
针对现有对话AI个性化评估基准的不足，研究提出综合基准PersonaLens，含多样用户画像与专用LLM智能体，实验发现当前LLM助手个性化能力差异显著，为相关系统发展提供参考。
2025-06-11 cs.AI cs.CL cs.LG
Do You Feel Comfortable? Detecting Hidden Conversational Escalation in AI Chatbots
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
GAUGE通过实时检测AI聊天机器人中隐藏的情感升级，提升对话中隐性伤害的识别能力。
2026-01-21 cs.AI cs.CL
Towards conversational assistants for health applications: using ChatGPT to generate conversations about heart failure
Department of Computer Science（计算机科学系）；Department of Biomedical and Health Information Sciences（生物医学与健康信息科学系）；Department of Medicine（医学系）；Department of Communications（通讯系）
本文研究利用ChatGPT为非裔美国心力衰竭患者生成自我护理对话，通过四种提示策略并纳入SDOH属性，发现有效提示设计能提升对话质量，但ChatGPT在医疗沟通中仍缺乏同理心与参与度。
2025-05-06 cs.CL
Navigating the Unknown: A Chat-Based Collaborative Interface for Personalized Exploratory Tasks
Southeast University（东南大学）；Microsoft（微软公司）；Nanjing University（南京大学）
针对大语言模型聊天机器人在模糊查询下个性化支持不足的问题，提出融合多智能体框架与三面板结构化界面的CARE系统，可识别用户显隐性需求并生成定制方案，用户研究显示其相比基线系统更受偏好。
2024-10-31 cs.AI cs.CL cs.HC
What Was Your Prompt? A Remote Keylogging Attack on AI Assistants
Ben-Gurion University（本-古里安大学）；Offensive AI Research Lab（进攻性人工智能研究实验室）
本文揭示AI助手加密响应中的令牌长度侧信道，结合LLM翻译、句间上下文及风格微调，实现对ChatGPT-4和Copilot响应的部分重建与主题推断。
2024-03-14 cs.AI cs.CL cs.CR
CONSCENDI: A Contrastive and Scenario-Guided Distillation Approach to Guardrail Models for Virtual Assistants
DynamoFL；Curai Health
本文提出 CONSCENDI，通过场景增强生成与对比样本构造训练数据并蒸馏到小型护栏模型，以提升虚拟助手输出合规性判别能力。
2024-04-03 cs.AI cs.CL cs.LG
If Eleanor Rigby Had Met ChatGPT: A Study on Loneliness in a Post-LLM World
Microsoft（微软公司）；University of York（约克大学）
本文研究了用户在任务导向用途外使用ChatGPT缓解孤独感的情况，发现其虽能提供良好互动但在敏感场景表现不佳且存在毒性内容风险，呼吁业界关注相关伦理与法律问题。
2025-05-30 cs.AI cs.CL cs.CY
LSTM-RASA Based Agri Farm Assistant for Farmers
Northwestern University（西北大学）；Great Learning
基于深度学习和自然语言的聊天机器人的应用近年来增长迅速。它们用于客户支持、预订系统和个人助理等许多领域。企业正在使用这些聊天机器人以更好和更有效的方式为客户服务。即使在这种技术进步之后，专家的建议也没有及时到达农民手中。农民在很大程度上仍然依赖他们的同行的知识来解决他们在自己的领域面临的问题。这些技术尚未得到有效利用，无法及时向农民提供所需信息。本项目旨在为农业农民助理领域实现一个封闭域ChatBot。农民可以与聊天机器人对话，并获得他们领域的专家建议。Farmers Assistant基于RASA开源框架。聊天机器人从用户话语中识别意图和实体，并从数据库中检索补救措施并与用户共享。我们用现有的数据测试了机器人，结果很有希望。
2022-04-07 cs.AI cs.CL
Retail-GPT: leveraging Retrieval Augmented Generation (RAG) for building E-commerce Chat Assistants
本研究提出开源的Retail-GPT电商聊天助手，基于RAG技术实现产品推荐、购物车管理等功能，具备跨平台适配性，可充当虚拟销售代理并验证同类助手在零售场景的可行性。
2024-08-15 cs.AI cs.CL cs.HC
Distinguish Sense from Nonsense: Out-of-Scope Detection for Virtual Assistants
IBM Watson（IBM沃森）；Apple Inc.（苹果公司）
对话式AI解决方案中的超范围（OOS）检测使聊天机器人能够在无法理解最终用户查询时优雅地处理对话。当聊天机器人不具备处理与其训练的现有主题具有语义重叠的主题时，准确地将查询标记为域外特别困难。我们提出了一种简单而有效的OOS检测方法，该方法在虚拟助手的实际部署中优于标准OOS检测方法。我们讨论了云平台解决方案的各种设计和部署考虑因素，以训练虚拟助理并大规模部署它们。此外，我们提出了一个数据集的集合，复制现实世界的场景，并显示在各种设置中使用离线和在线评估指标的综合结果。
2023-01-16 cs.CL
Low-Resource Adaptation of Open-Domain Generative Chatbots
Apple（苹果公司）；Brown University（布朗大学）；Amazon（亚马逊公司）
最近构建开放域聊天机器人的工作表明，增加模型大小可以提高性能。另一方面，延迟和连接考虑因素决定了设备上数字助理的移动。让Siri、Alexa或Google Assistant这样的数字助理能够讨论任何事情，这就需要减小聊天机器人模型的大小，使其适合用户的设备。我们证明了低参数模型可以同时保留他们的一般知识会话能力，而在一个特定的领域提高。此外，我们提出了一个通用的框架，占各种问题类型，跟踪参考整个多轮对话，并删除不一致和潜在的有毒反应。我们的框架可以在聊天和执行事务性任务之间无缝过渡，这最终将使与数字助理的交互更加人性化。我们使用自动（困惑）和人类（SSA -灵敏度和特异性平均值）评估指标在1个内部和4个公共基准数据集上评估我们的框架，并在将模型参数减少90%的同时建立可比性能。
2022-04-08 cs.CL cs.LG
ChatSOS: Vector Database Augmented Generative Question Answering Assistant in Safety Engineering
School of Mechatronic Engineering, Beijing Institute of Technology（北京理工大学机电学院）
针对基础大语言模型在安全工程应用中数据覆盖有限、响应不可靠的问题，本研究构建了基于爆炸事故报告的向量数据库并开发ChatSOS，显著提升了问答的可靠性、准确性等性能，为安全工程专业查询应用奠定基础。
2024-05-08 cs.AI cs.CL
Voice-Based Smart Assistant System for Vehicles using RASA
Pune Institute of Computer Technology（浦那计算机技术学院）
本文基于RASA框架开发车载语音智能助手，通过纯语音命令实现导航、通话、天气新闻查询和音乐播放，以降低驾驶分心并提升道路安全。
2023-12-04 cs.CL
Towards Developing a Multimodal Chat Assistant for University Stakeholders: RAG-based Approach
Institute of Information and Communication Technology, Khulna University of Engineering & Technology（信息与通信技术研究所，库尔纳工程技术大学）
针对大学利益相关者获取信息困难的问题，提出基于检索增强生成的多模态聊天系统，结合大语言模型与语义检索，支持文本和图像查询，将幻觉率从31.7%降至6.6%。
2026-07-02 cs.AI cs.CL
Measuring the Assistant's Harmlessness Preferences on the User Turn
本研究证明后训练赋予助手的无害性偏好会渗透到其对用户轮次的预测中，且随规模增长，表明后训练塑造了模型对用户的深层表征，而非仅表面人格。
2026-09-22 cs.CL
Predicting Causes of Reformulation in Intelligent Assistants
Yahoo Japan Corporation（雅虎日本公司）
Siri和Cortana等智能助理（IA）与用户进行对话式交互，并执行各种操作（例如，搜索网络、设置闹钟和聊天）。IA可以通过自动语音识别、自然语言理解和语言生成等各种组件的组合来支持这些操作。然而，这些组件的复杂性阻碍了开发人员确定哪个组件导致错误。为了消除这种障碍，我们专注于重新制定，这是一个有用的信号，用户的不满，并提出了一种方法来预测重新制定的原因。我们使用商业IA的用户日志来评估该方法。实验结果表明，设计用于检测特定组件的错误的特征提高了重构原因检测的性能。
2017-07-13 cs.CL
Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets
PeopleTec（PeopleTec公司）
该研究应用人工智能驱动的代码助手来分析一系列有影响力的计算机代码，这些代码塑造了现代技术，包括电子邮件、互联网浏览、机器人和恶意软件。这项研究的最初贡献是检查过去50年中最重要的代码进步的一半，并在某些情况下，在清晰度或性能方面提供显着的改进。AI驱动的代码助手可以在所有检查的情况下提供对模糊代码或缺乏解释性注释的软件的见解。我们基于错误更正和代码优化生成了额外的示例问题，这些问题需要比传统Google搜索更深入的推理。未来的工作重点是添加自动化文档和代码注释，并将选定的大型代码库转换为具有多个新应用程序编程接口（API）和链式多任务的更现代版本。人工智能驱动的代码助手为软件工程提供了一个有价值的工具，特别是它能够提供人类级别的专业知识，并帮助重构遗留代码或简化高价值存储库的解释或功能。
2023-01-05 cs.CL cs.LG cs.SE
Chat-Ghosting: A Comparative Study of Methods for Auto-Completion in Dialog Systems
Indian Institute of Technology Kharagpur（印度理工学院卡里格普尔分校）；Microsoft Research（微软研究院）；Microsoft（微软）
本研究针对对话系统自动补全（Chat-Ghosting）问题，比较了多种方法，提出熵动态早停策略，发现统计模型在已见前缀上更优，神经模型在未见查询上更佳，且对话上下文显著提升效果。
2025-07-08 cs.CL
Emotionally-Aware Chatbots: A Survey
University of Turin（都灵大学）
近年来，文本会话代理或聊天机器人的发展受到学术界和工业界的极大关注。如今，聊天机器人被广泛用作代理，在某些服务中与人类进行通信，例如预订助理，客户服务以及个人合作伙伴。构建聊天机器人的最大挑战是构建一个人性化的机器来提高用户参与度。一些研究表明，情感是使机器人性化的一个重要方面，包括聊天机器人。在本文中，我们将系统地回顾构建情感感知聊天机器人（EAC）的方法。据我们所知，目前还没有这方面的工作。我们提出了三个关于EAC研究的研究问题。本文首先介绍了EAC的历史和发展，然后根据前人的研究，介绍了建立EAC的几种方法，以及建立EAC的一些可用资源。通过研究发现，在早期的开发中，EAC采用的是简单的基于规则的方法，而现在大多数EAC采用的是基于神经元的方法。我们还注意到，大多数EAC在其体系结构中包含情感分类器，这些分类器利用了几个可用的情感资源。我们还预测，EAC的发展将继续得到越来越多的学者的关注，最近的一些研究指出，提出了新的数据集，用于建立各种语言的EAC。
2019-06-24 cs.CL
VIRATrustData: A Trust-Annotated Corpus of Human-Chatbot Conversations About COVID-19 Vaccines
IBM Research（IBM研究院）；New York University（纽约大学）；Johns Hopkins Bloomberg School of Public Health（约翰斯·霍普金斯大学布隆伯格公共卫生学院）
公众对医疗信息的信任对于成功实施疫苗接种等公共卫生政策至关重要。当信息由聊天机器人远程提供时尤其如此，近年来聊天机器人越来越流行。在这里，我们探讨了人类机器人回合级信任分类的挑战性任务。我们依赖于最近发布的观察收集（而不是众包）与VIRA聊天机器人（COVID-19疫苗信息资源助手）对话的数据。这些对话围绕着关于COVID-19疫苗的问题和担忧，其中信任尤为严重。我们注释了$3k$ VIRA系统-用户对话轮数，用于低机构信任或低代理信任与中性或高信任。我们发布了标记数据集VIRATrustData，据我们所知，这是第一个此类数据集。我们演示了如何这项任务是不平凡的，并比较几种模型，预测不同程度的信任。
2022-05-24 cs.CL
Building chatbots from large scale domain-specific knowledge bases: challenges and opportunities
Hitachi America Ltd.（日立美国有限公司）
流行的对话代理框架，如Alexa Skills Kit（ASK）和Google Actions（gActions），为促进各种垂直领域中支持语音的AI解决方案的开发和部署提供了前所未有的机会。然而，理解用户的话语与高精度仍然是一个具有挑战性的任务与这些框架。特别是在构建具有大量特定领域实体的聊天机器人时。在本文中，我们描述的挑战和经验教训，从建立一个大规模的虚拟助理，了解和应对设备相关的投诉。在这个过程中，我们描述了一个替代的可扩展的框架：1）提取知识的设备组件及其相关的问题实体从短文本，和2）学习，以确定这样的实体在用户的话语。我们通过对一个真实数据集的评估表明，与现成的流行框架相比，所提出的框架可以更好地扩展，大量实体的准确率高达30%，并且在理解特定领域实体的用户话语方面更有效。
2019-12-31 cs.CL
VISAR: A Human-AI Argumentative Writing Assistant with Visual Programming and Rapid Draft Prototyping
University of Notre Dame（圣母大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出AI写作助手VISAR，通过可视化编程、同步编辑和自动草稿原型，帮助用户构建层级写作目标与论证结构，解决LLM聊天界面缺乏用户控制和语境感知的问题，有效提升了论辩写作规划体验。
2023-07-27 cs.AI cs.CL cs.HC
The Study of the Application of a Keywords-based Chatbot System on the Teaching of Foreign Languages
本文报道了一项关于在线自然语言人机对话系统（chatbot）在外语教学中应用的研究结果。基于关键词的人机对话系统使得用户可以使用自然语言（即，在某种程度上用英语或德语）与计算机聊天成为可能。因此，我们进行了一个实验，使用该系统在线工作作为一个聊天伙伴与用户学习外语。收集用户和聊天机器人之间的对话。研究结果表明，人类和计算机之间的对话大多是非常短的，因为用户发现从计算机的响应大多是重复的，与主题和上下文无关，程序不理解的语言。通过对该聊天机器人的关键词和模式匹配机制的分析，可以得出结论，这种系统不能作为外语学习的教学辅助程序。
2003-10-10 cs.CL cs.CY
Are Akpans Trick or Treat: Unveiling Helpful Biases in Assistant Systems
University of Southern California（南加州大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文研究信息寻求AI助手系统有益性的计算测量方法，通过收集人类标注开发自动评估模型，并利用有益性水平衡量系统公平性，实验发现现有系统对不同发展水平国家存在偏见。
2025-03-02 cs.AI cs.CL
Seq2Seq Model-Based Chatbot with LSTM and Attention Mechanism for Enhanced User Interaction
Moulay Ismail University（穆莱·伊斯梅尔大学）；Fordham Univ.（福特汉姆大学）；Univ. of North texas（北得克萨斯大学）；Point Park Univ.（匹兹堡点公园大学）
本文提出一种基于Seq2Seq编码器-解码器架构、融合LSTM和注意力机制且不依赖预定义API的聊天机器人，在摩洛哥旅游数据集上训练、验证和测试，分别取得99.58%、98.03%和94.12%的准确率，验证了专用AI在细分领域提升用户体验的潜力。
2024-12-27 cs.CL cs.ET
The R-U-A-Robot Dataset: Helping Avoid Chatbot Deception by Detecting User Questions About Human or Non-Human Identity
University of California, Davis（加州大学戴维斯分校）；Columbia University（哥伦比亚大学）
人类越来越多地通过语言与机器进行交互，有时在用户可能不知道他们正在与机器交谈的情况下（例如通过电话或文本聊天机器人）。我们的目标是了解系统设计师和研究人员如何让他们的系统确认其非人类身份。我们收集了2,500多个与“你是机器人吗？”".这与超过2，500个对立选择的话语配对，其中仅确认系统是非人类的是不够的或不流利的。我们比较分类识别的意图，并讨论精度/召回和模型复杂性的权衡。这种分类器可以集成到对话系统中，以避免不希望的欺骗。然后，我们探讨了生成研究模型（Blender）以及两个部署的系统（Amazon Alexa，Google Assistant）如何处理这一意图，发现系统通常无法确认其非人类身份。最后，我们试图了解什么是对意图的良好响应，并进行用户研究，以比较响应此意图时的重要方面。
2021-06-04 cs.CL cs.HC
A Trustworthy, Responsible and Interpretable System to Handle Chit Chat in Conversational Bots
Microsoft（微软）
大多数情况下，聊天机器人是为了解决搜索引擎或人类助手的目的而构建的：它们的主要目标是为用户提供信息或帮助他们完成任务。然而，这些聊天机器人无法回应未经脚本的查询，如“嗨，怎么了”，“你最喜欢的食物是什么”。人类评估判断表明，4人对给定查询的意图达成共识，该查询仅在77%的时间来自聊天域，从而表明这项任务是多么重要。在我们的工作中，我们展示了为什么很难将闲聊空间分解为明确定义的意图。我们提出了一个系统来处理聊天机器人中的这项任务，同时考虑到可扩展性，可解释性，适当性，可信度，相关性和覆盖范围。我们的工作介绍了一种使用分层意图在聊天中进行查询理解的管道，以及在专业机器人中使用seq-seq自动生成模型的方法。我们探索了一个可解释的聊天域检测模型，并展示了各种组件，如成人/攻击性分类，语法/正则表达式模式，策划基于个性的响应，通用的引导回避响应和响应生成模型可以结合在一个可扩展的方式来解决这个问题。
2018-11-23 cs.AI cs.CL cs.LG
MCP: Self-supervised Pre-training for Personalized Chatbots with Multi-level Contrastive Sampling
Renmin University of China（中国人民大学）；University of Montreal（蒙特利尔大学）
个性化聊天机器人专注于赋予聊天机器人一致的个性，以表现得像真实用户一样，并进一步充当个人助理。以前的研究已经探索了从用户的对话历史中生成隐式用户简档，以构建个性化的聊天机器人。然而，这些研究仅使用响应生成损失来训练整个模型，因此容易遭受数据稀疏的问题。此外，他们过分强调最终生成的响应的质量，而忽略了用户的对话历史之间的相关性和融合，导致粗糙的数据表示和性能下降。为了解决这些问题，我们提出了一个自监督学习框架MCP，用于从用户的对话历史中捕获更好的表示，以用于个性化聊天机器人。具体来说，我们应用对比采样方法来利用隐藏在用户对话历史中的监督信号，并生成用于增强模型的预训练样本。我们设计了三个预训练任务，基于三种类型的对比对用户对话历史，即响应对，序列增强对，和用户对。我们预先训练的话语编码器和历史编码器的对比目标，并使用这些预先训练的编码器生成用户简档，而个性化的响应生成。在两个真实数据集上的实验结果表明，与现有的方法相比，我们提出的模型MCP有显着的改善。
2022-12-14 cs.AI cs.CL cs.LG
A Voice Interactive Multilingual Student Support System using IBM Watson
School of Computing（计算机学院）
由人工智能驱动的系统正在开发中，通过以逐步人性化的对话方式与用户进行交流，使其更加用户友好。聊天机器人，也称为对话系统、交互式对话代理或虚拟代理，是在从商业领域的客户支持到医疗保健领域的陪伴的各种应用中使用的这种系统的示例。开发能够最好地响应用户个性化需求的聊天机器人变得越来越重要，以便它们能够以真正的人类方式尽可能地帮助用户。本文研究并比较了三种流行的现有聊天机器人API产品，然后提出并开发了一种语音交互式多语言聊天机器人，可以使用IBM Watson Assistant，Tone Analyzer和Language Translator有效地响应用户的情绪，音调和语言。该聊天机器人是使用一个用例进行评估的，该用例的目标是根据使用Google Forms生成的大学生调查数据来响应用户对考试压力的需求。测量聊天机器人在分析有关考试压力的反应时的有效性的结果表明，聊天机器人对用户关于他们对考试的感觉的询问做出了适当的反应，占76.5%。聊天机器人还可以适用于其他应用领域，如学生信息中心，政府信息亭和心理健康支持系统。
2019-12-20 cs.AI cs.CL cs.HC
