Dialogue Agents 101: A Beginner's Guide to Critical Ingredients for Designing Effective Conversational Systems
本文提出了一个统一的对话数据集 UNIT，它是根据不同对话任务的现有数据集的对话构建的，捕获每个对话任务的细微差别。本文还研究了用于衡量对话代理性能的评估策略，并强调了对话人工智能领域未来研究的范围。
对话系统分类框架
- 输入：目标、领域、上下文、模态、知识
- 理解：意图、槽位、情感、状态
- 输出：类型、风格、模态、结构
- 评估：自动、人工、交互
11种关键对话任务
- 生成类：重写、摘要、结构转换、问答、知识定向、闲聊、任务导向
- 分类类：意图检测、槽位填充、状态追踪、情感检测
主要方法和数据集
- 统一对话数据集UNIT
- 对话基础模型预训练
- 编码器-解码器、图神经网络、Transformer等
主要挑战
- 研究碎片化、语义理解、长上下文、跨领域、动态适应、解释性等
- Hallucination, veracity, reasoning, bias等