Designing and Evaluating Dialogue LLMs for Co-Creative Improvised Theatre
Improbotics;University of Kent(肯特大学)
本研究在爱丁堡艺穗节现场部署对话LLM开展为期一月的即兴戏剧协同创作实验,通过人在环路方法结合观众与表演者反馈,分析了多方即时对话LLM的技术局限、界面作用及公众对AI参与艺术的复杂态度。
2024-05-11 cs.CL
TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning
State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China(中国科学技术大学认知智能国家重点实验室)
提出TabClaw,一个开源交互式AI智能体,通过可编辑执行计划、流式ReAct循环、并行多表推理和用户记忆提取,提升电子表格操作和表格推理的透明性与个性化。
2026-06-09 cs.CL
EvoFlow: Evolving Diverse Agentic Workflows On The Fly
The Chinese University of Hong Kong(香港中文大学);Tongji University(同济大学);Wuhan University(武汉大学);Tsinghua University(清华大学);Nanyang Technological University(南洋理工大学);Shanghai AI Laboratory(上海人工智能实验室)
针对现有智能体自动化流程缺乏LLM异构性且聚焦单目标优化的问题,提出基于小生境进化算法的EvoFlow框架,自动搜索异构且复杂度自适应的智能体工作流群体,在多样性、性能与经济性上均有显著提升。
2025-02-11 cs.CL cs.LG cs.MA
CIG: Measuring Conversational Information Gain in Deliberative Dialogues with Semantic Memory Dynamics
School of Computing and Information Systems, The University of Melbourne(墨尔本大学计算与信息系统学院)
本文提出CIG框架,通过语义记忆动态评估辩论对话中每个发言对集体理解的推进,展示基于记忆动态的指标比传统方法更有效。
2026-04-20 cs.CL
From Task-Guided Conversational Graphs to Goal-Oriented Dialogue Runtimes
Independent Researcher(独立研究者)
提出目标导向对话运行时(GODR)设计模式,将目标、任务框架、生命周期状态等作为一等运行时对象,解决多目标中断对话中的连续性难题。
2026-06-24 cs.AI cs.CL cs.MA
Do Self-Evolving Agents Forget? Capability Degradation and Preservation in Lifelong LLM Agent Adaptation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
研究探讨了自我进化过程中能力退化现象,提出能力保持进化原则,通过四种进化维度提升能力稳定性与适应性能。
2026-05-10 cs.AI cs.CL
A Large Language Model Enhanced Conversational Recommender System
University College London(伦敦大学学院);Kuaishou Technology(快手科技);Nanyang Technology University(南洋理工大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所)
本文提出LLMCRS,通过LLM管理对话式推荐子任务并与专家模型协作,结合RLPF强化学习微调,在基准数据集上优于现有方法。
2023-08-11 cs.CL cs.IR
Building Trust in Conversational AI: A Comprehensive Review and Solution Architecture for Explainable, Privacy-Aware Systems using LLMs and Knowledge Graph
CeADAR - Ireland’s Centre for Applied AI, University College Dublin(爱尔兰应用人工智能中心CeADAR、都柏林大学学院)
本文综述150余个LLM并提出LLMXplorer,进而设计融合知识图谱与LLM、支持RBAC的可解释隐私感知对话式AI架构,经真实AI新闻数据验证。
2023-08-13 cs.AI cs.CL
S-MARC: Causal Streaming Reasoning for Full-Duplex Conversational Behavior Modeling
University of California, Berkeley(加州大学伯克利分校);Zhejiang University(浙江大学);South China University of Technology(华南理工大学)
提出S-MARC框架,通过流式因果层次建模意图到动作路径,预测高层交际功能和低层交互行为,并构建高质量语料库,实现全双工对话中的鲁棒行为检测与可解释推理。
2026-05-28 cs.AI cs.CL
APEX-MEM: Agentic Semi-Structured Memory with Temporal Reasoning for Long-Term Conversational AI
Amazon(亚马逊)
APEX-MEM通过结合属性图、只追加存储和多工具检索代理,解决大语言模型在长期对话记忆中的可靠性问题,实现88.88%的LOCOMO问答准确率和86.2%的LongMemEval表现。
2026-04-15 cs.AI cs.CL cs.IR
Enabling Conversational Behavior Reasoning Capabilities in Full-Duplex Speech
Zhejiang University(浙江大学);University of California, Berkeley(加州大学伯克利分校);Carnegie Mellon University(卡内基梅隆大学)
本文提出一种基于图的思维框架,通过建模对话行为的因果推断,实现全双工语音交互中的行为推理与可解释性。
2025-12-25 cs.AI cs.CL
Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning
University of Montreal(蒙特利尔大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);University of Notre Dame(诺特丹大学);Northeastern University(东北大学)
本文提出一种基于强化学习的对话搜索代理,通过在对话轮次中交替搜索与推理,实现探索性与适应性行为,优于现有基准方法。
2026-04-15 cs.CL cs.IR
TAMUSA-Chat: A Domain-Adapted Large Language Model Conversational System for Research and Responsible Deployment
Texas A&M University–San Antonio(德克萨斯A&M大学-圣安东尼奥分校);Utah Valley University(犹他谷大学)
TAMUSA-Chat是一个面向研究和负责任部署的领域适应大型语言模型对话系统,通过监督微调、检索增强生成和系统化评估方法,解决机构环境中的关键挑战。
2026-02-14 cs.AI cs.CL cs.LG
Memoria: A Scalable Agentic Memory Framework for Personalized Conversational AI
BlackRock, Inc.(黑石公司)
Memoria通过结合动态摘要和加权知识图,为LLM提供持久记忆,实现对话连贯性和个性化,适用于需要适应性用户体验的行业应用。
2025-12-14 cs.AI cs.CL
Conversation Routines: A Prompt Engineering Framework for Task-Oriented Dialog Systems
本文提出对话例程(CR)提示工程框架,用自然语言规范构建任务型对话系统,通过两个概念验证案例验证其有效性,并指出计算开销等挑战及未来方向。
2025-02-24 cs.AI cs.CL cs.ET
MedAlpaca -- An Open-Source Collection of Medical Conversational AI Models and Training Data
University Hospital Aachen(亚琛大学医院);Technical University of Munich(慕尼黑工业大学);Berliner Hochschule für Technik (BHT)(柏林应用技术大学);German Heart Center(德国心脏中心)
为满足医疗领域可本地部署的开源大语言模型需求,本研究推出含16万余条目的专用数据集MedAlpaca用于微调LLM,并在医师资格考试类任务中验证了微调模型优于仅预训练模型的性能。
2025-03-18 cs.AI cs.CL
SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use
HKUST(GZ)(香港科技大学(广州))
提出SkillCoach框架,通过自演化过程评分准则从技能选择、遵循、组合和反思四维度评估智能体轨迹,并利用演化准则筛选高质量训练数据,提升技能使用能力。
2026-07-03 cs.AI cs.CL
Toward Safe and Human-Aligned Game Conversational Recommendation via Multi-Agent Decomposition
Roblox Corporation(Roblox公司);University of Cambridge(剑桥大学)
MATCHA通过多智能体框架提升游戏对话推荐的安全性与人本对齐,实现更精细的个性化和更强的对抗防御能力。
2026-02-25 cs.CL cs.HC cs.IR
Towards Conversational AI for Human-Machine Collaborative MLOps
Innov-Acts Ltd(Innov-Acts公司);Dept. of Digital Systems(数字系统系);University of Piraeus(比雷埃克斯大学);Dept. of Informatics and Telematics(信息与电信学系);Harokopio University(哈罗科比奥大学)
本文提出基于大语言模型的 Swarm Agent 对话式智能体系统,通过集成 KFP、MinIO 和 RAG 智能体,以自然语言交互降低 Kubeflow 等 MLOps 平台的使用门槛,提升人机协作效率。
2025-04-16 cs.AI cs.CL cs.HC
IntellAgent: A Multi-Agent Framework for Evaluating Conversational AI Systems
Plurai(普卢瑞(Plurai))
IntellAgent是一个开源多智能体框架,通过图建模和模拟生成合成基准,提供细粒度诊断,全面评估对话式AI系统性能并识别优化方向。
2025-01-19 cs.AI cs.CL cs.LG
Leveraging Large Language Models in Conversational Recommender Systems
Google Research(谷歌研究院)
本文提出使用LLMs构建端到端大规模对话式推荐系统(CRS)的路线图,通过集成架构实现用户偏好理解、灵活对话管理和可解释推荐,并引入RecLLM作为概念验证。
2023-05-16 cs.CL cs.IR cs.LG
ConDABench: Interactive Evaluation of Language Models for Data Analysis
Microsoft(微软)
ConDABench通过多智能体工作流生成1,420个对话式数据分析问题,并首次提供系统评估工具,揭示新一代LLM虽能解决更多实例,但在长期交互任务上未必更优。
2025-10-10 cs.AI cs.CL
A Practical Approach for Building Production-Grade Conversational Agents with Workflow Graphs
Kakao
针对LLM概率特性导致的灵活对话与服务约束冲突,本文提出基于工作流图的电商对话智能体实践方案,通过详细优化策略弥合学术与工业应用差距,实现可扩展、可控且可靠的AI智能体框架。
2025-05-29 cs.AI cs.CL
Towards Enhancing Linked Data Retrieval in Conversational UIs using Large Language Models
School of Computer Science and Informatics, Cardiff University(卡迪夫大学计算机科学与信息学院);College of Computing and Informatics, Saudi Electronic University(沙特电子大学计算与信息学院);School of Biosciences, Cardiff University(卡迪夫大学生物科学学院)
本文研究将大型语言模型集成至对话式用户界面,利用其自然语言理解能力在无需模型重训的情况下生成更准确的SPARQL查询,显著提升了链接数据和RDF三元组存储的提取能力与响应准确度。
2024-09-24 cs.AI cs.CL cs.IR
Quality Assurance of Generative Dialog Models in an Evolving Conversational Agent Used for Swedish Language Practice
RISE Research Institutes of Sweden(瑞典RISE研究院);Lund University(隆德大学);NordAxon AB(NordAxon公司)
由于移民的大趋势,高效和有效的第二语言习得至关重要。一个提议的解决方案涉及支持AI的会话代理,用于以人为中心的交互式语言实践。我们目前正在进行的行动研究的结果,针对虚拟工作面试培训的专有生成对话模型的质量保证。行动小组引出了一组38个需求,我们为其中15个对不断发展的解决方案特别感兴趣的需求设计了相应的自动化测试用例。我们的研究结果表明,六个测试用例设计可以检测候选模型之间有意义的差异。虽然自然语言处理应用程序的质量保证是复杂的,我们提供了一个自动化框架的初步步骤,机器学习模型选择的背景下,不断发展的会话代理。未来的工作将集中在MLOps设置中的模型选择。
2022-03-29 cs.AI cs.CL cs.SE
VERSE: Verified Self-Evolving Optimizer for Agent Harnesses
MIT(麻省理工学院);Amazon(亚马逊)
VERSE通过让优化器在提交前测试编辑、重放失败并扰动可疑步骤,实现自进化,在SWE-rebench和分布外任务上显著提升多个框架优化器的性能。
2026-10-05 cs.AI cs.CL cs.LG
JailbreakHunter: A Visual Analytics Approach for Jailbreak Prompts Discovery from Large-Scale Human-LLM Conversational Datasets
Hong Kong University of Science and Technology(香港科技大学);Arizona State University(亚利桑那州立大学);Shanghai AI Laboratory(上海人工智能实验室)
本文提出JailbreakHunter可视化分析系统,通过组级、对话级和轮次级三层工作流程,从大规模人类-LLM对话数据中高效识别未公开的越狱提示,辅助发现新的越狱策略。
2024-07-03 cs.CL cs.HC cs.LG
ThinkFlow: Self-Evolving Probabilistic Latent Memory for Lifelong Conversational Agents
Pengcheng Laboratory(鹏城实验室);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));China Unicom Greater Bay Area Innovation Institute(中国联通粤港澳大湾区创新研究院)
针对终身对话代理记忆瓶颈,提出ThinkFlow潜在记忆框架,通过概率潜在技能压缩与测试时进化实现无标签个性化,实验优于现有系统。
2026-09-16 cs.AI cs.CL
Enhancing Discoverability in Enterprise Conversational Systems with Proactive Question Suggestions
Carnegie Mellon University(卡内基梅隆大学);Adobe Inc.(奥多比公司)
针对企业对话系统中新用户提问困难的问题,提出一种结合群体意图分析与会话问题生成的主动式问题建议框架,并在AEP AI助手真实数据上验证其提升有用性与可发现性。
2024-12-14 cs.CL
SEAL: Self-Evolving Agentic Learning for Conversational Question Answering over Knowledge Graphs
Institute of Big Data and Artificial Intelligence, China Telecom Research Institute(大数据与人工智能研究院,中国电信研究院);Wangxuan Institute of Computer Technology, Peking University(王宣计算机技术研究所,北京大学);School of Artificial Intelligence, China University of Geosciences (Beijing)(人工智能学院,中国地质大学(北京));Center for Cognition and Neuroergonomics, State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University(认知与神经工效学中心,认知神经科学与学习国家重点实验室,北京师范大学);Institute of Artificial Intelligence and Future Networks, Beijing Normal University(人工智能与未来网络研究院,北京师范大学)
提出SEAL两阶段语义解析框架,通过自我演进智能体学习解决知识图谱对话问答中的指代消解、上下文依赖和复杂逻辑推理问题,在SPICE基准上达到最先进性能。
2026-05-26 cs.AI cs.CL
A-SEA3L-QA: A Fully Automated Self-Evolving, Adversarial Workflow for Arabic Long-Context Question-Answer Generation
Humain
本研究提出面向阿拉伯语长上下文问答生成的全自动自进化对抗工作流A-SEA3L-QA,通过多LVLM闭环迭代优化,支持可控难度问题生成,发布大规模基准AraLongBench,显著提升阿拉伯语LVLM长上下文理解能力,还构建了文档自动收集工作流。
2025-09-02 cs.AI cs.CL
When is ACL's Deadline? A Scientific Conversational Agent
Technische Universität Darmstadt(达姆施塔特工业大学)
我们的会话代理UKP-ATHENA帮助NLP研究人员查找和探索科学文献,识别相关作者,计划或后处理会议访问,并使用基于自然语言输入和响应的统一界面准备论文提交。UKP-ATHENA为我们快速发展的研究领域提供了新的访问路径,其科学信息量巨大,周转时间长。UKP-ATHENA的响应连接了来自多个异构来源的信息,研究人员目前不得不一个接一个地手动探索。与搜索引擎不同,UKP-ATHENA维护对话的上下文,以便有效地访问论文,研究人员和会议的信息。我们的架构由多个组件和参考实现组成,可以通过新的技能和领域轻松扩展。我们基于用户的评估表明,UKP-ATHENA已经以37%的信息覆盖率响应了45%的定义意图的不同配方。
2019-11-23 cs.CL
A Survey of Ontology Expansion for Conversational Understanding
Singapore Management University(新加坡管理大学);National University of Singapore(新加坡国立大学)
本文系统综述了对话理解中本体扩展(OnExp)的最新进展,将其分为新意图发现、新槽值发现和联合OnExp三类,并总结了方法、基准、挑战与未来方向。
2024-10-19 cs.CL
Chatty-KG: A Multi-Agent AI System for On-Demand Conversational Question Answering over Knowledge Graphs
Concordia University(康科德大学);IBM Research(IBM研究院)
Chatty-KG通过多智能体系统实现基于知识图谱的对话问答,结合RAG检索与结构化执行,提升多轮问答的准确性和效率。
2025-11-26 cs.CL
Breakdowns in Conversational AI: Interactional Failures in Emotionally and Ethically Sensitive Contexts
University of Electronic Science and Technology of China(电子科技大学)
研究探讨对话代理在情感和伦理敏感行为中出现的崩溃现象,分析其对对话质量的影响,并提出维护伦理一致性和情感敏感性的设计改进。
2026-04-03 cs.CL
ES-MemEval: Benchmarking Conversational Agents on Personalized Long-Term Emotional Support
Tongji University(同济大学)
ES-MemEval通过评估长期情感支持中的记忆能力,揭示了显式长期记忆对减少幻觉和提升个性化的重要性,同时指出了检索增强模型在时间动态方面的局限性。
2026-02-02 cs.AI cs.CL
A Self-Evolving Framework for Efficient Terminal Agents via Observational Context Compression
University of Manchester(曼彻斯特大学);MAP 4 HKUST(GZ)(香港科技大学(广州)MAP 4);HKUST(香港科技大学);Beihang University(北京航空航天大学)
本文提出TACO框架,通过自进化压缩规则提升终端智能体的效率与性能,实验表明在多个基准测试中均取得显著提升。
2026-05-15 cs.CL
INSURE-Dial: A Phase-Aware Conversational Dataset & Benchmark for Compliance Verification and Phase Detection
AIMon Labs(AIMon实验室)
INSURE-Dial是一个面向合规验证和阶段检测的相位感知对话数据集与基准,通过相位结构化标注和两个新评估任务提升语音代理的合规性评估能力。
2026-02-24 cs.CL
The Right Lesson at the Right Step: Deriving Control Updates for Self-Evolving Agents
Sun Yat-sen University(中山大学);Tsinghua University(清华大学);Nankai University(南开大学);University of Pennsylvania(宾夕法尼亚大学);Peng Cheng Laboratory(鹏城实验室)
针对自进化智能体经验重用缺乏局部控制的问题,提出EvoCUE框架,将智能体表示为状态机控制器,从执行轨迹学习控制更新,在精确位置插入经验,显著提升长工具使用任务的完成质量。
2026-09-29 cs.CL
Understanding User Preferences for Interaction Styles in Conversational Recommender Systems: The Predictive Role of System Qualities, User Experience, and Traits
School of Computer Science, University of Technology Sydney(技术科技大学计算机科学学院);Australian Institute of Health Innovation, Macquarie University(麦觉里大学健康创新研究所)
本研究通过受试者内实验发现,愉悦感、有用性、新颖性和对话质量等预测用户对探索性交互的偏好,并识别出五种用户画像,为对话式推荐系统的自适应设计提供依据。
2025-08-04 cs.CL cs.HC cs.IR
Towards Goal-Oriented Agents for Evolving Problems Observed via Conversation
BT Applied Research(英国电信应用研究部)
本文提出基于DQN的对话智能体架构,通过强化学习与模拟用户对话解决无法直接观察的演化问题,并研究了课程学习和奖励函数修改对训练效果的影响。
2024-01-11 cs.AI cs.CL
SEMA-RAG: A Self-Evolving Multi-Agent Retrieval-Augmented Generation Framework for Medical Reasoning
CSE, The Chinese University of Hong Kong(香港中文大学计算机科学与工程系);Wuhan University of Technology(武汉理工大学)
针对医学问答中单轮静态检索与临床推理多阶段过程不匹配的问题,提出SEMA-RAG框架,通过任务解耦和动态多轮探索,由三个专业智能体分别负责临床解释、自演化检索和证据裁决,在多个基准上平均提升准确率6.46个百分点。
2026-05-29 cs.AI cs.CL
IceBreaker for Conversational Agents: Breaking the First-Message Barrier with Personalized Starters
ByteDance(字节跳动)
本文提出IceBreaker,通过生成个性化开场白帮助对话代理克服用户初始对话时的障碍,提升用户活跃度和点击率。
2026-04-20 cs.AI cs.CL
$τ$-Knowledge: Evaluating Conversational Agents over Unstructured Knowledge
princeton(普林斯顿大学)
τ-知识旨在通过模拟真实金融科技客户支持流程,评估代理在协调外部自然语言知识与工具输出以产生可验证状态变化方面的能力。
2026-03-04 cs.AI cs.CL cs.IR
From Sound to Symptom: Real-Time Respiratory Signal Understanding for Conversational Healthcare Agents
Hippocratic AI(希波克拉底人工智能公司)
提出面向对话式医疗智能体的HealthCUES系统,可实时检测分析咳嗽等呼吸信号,经内部与外部数据集评估及医疗人员验证,性能优异且具临床实用性。
2026-08-28 cs.AI cs.CL cs.HC
TeleTune: Evolving Agent Skills From Offline Telemetry
UNC Chapel Hill(北卡罗来纳大学教堂山分校);University of Texas at Austin(德克萨斯大学奥斯汀分校);Microsoft(微软)
TeleTune从无目标、不可重放且可能交错任务的离线遥测日志中学习文本技能库,通过动作预测误差优化技能,并利用工作流检索演示,在WorkArena和Online-Mind2Web上分别达到77.1%和80.6%的平均成功率,优于现有基线。
2026-10-07 cs.AI cs.CL
Self-evolving AI agents for protein discovery and directed evolution
Shanghai Innovation Institute(上海创新研究院);School of Computer Science, Shanghai Jiao Tong University(上海交通大学计算机科学与工程学院);Zhangjiang Institute for Advanced Study, Shanghai Jiao Tong University(上海交通大学张江高等研究院)
本文提出VenusFactory2框架,通过自我进化的多代理基础设施实现动态工作流合成,解决蛋白质发现中的手动信息协调问题,并在基准测试中超越现有代理。
2026-03-28 cs.AI cs.CL q-bio.QM
MetaAgent: Toward Self-Evolving Agent via Tool Meta-Learning
BAAI(北京人工智能研究院)
本研究提出受“做中学”启发的MetaAgent智能体范式,通过元工具学习实现无需调参的自进化,在多个知识发现基准上性能优于传统工作流基线,匹配或超越端到端训练智能体。
2025-09-01 cs.AI cs.CL cs.IR
ClinAgent: A ReAct-Based Agent for Conversational Access to Clinical Trial Information
University of Pisa(比萨大学);University of Calabria(卡拉布里亚大学);National Research Council(国家研究委员会)
ClinAgent是一个基于ReAct的对话式智能体,利用检索增强生成和多种工具,实现临床试验信息的自然语言查询与综合,实验表明Gemini性能最佳,DeepSeek思考模式规划质量最优。
2026-09-15 cs.AI cs.CL cs.IR