标签
本文探讨了在面向任务对话中，LLMs如何作为人格引导的代理，并通过GPT-4o和Gemini 2.0 Flash等模型评估，分析了人格适应对任务性能和用户满意度的影响。
本文介绍了反馈感知信用分配（Faca），通过利用下一用户轮次的反应作为局部信用信号来改进多轮工具使用语言代理，在交互式基准测试上显示出显著的性能提升。
S2Dialog介绍了一个框架，用于基于语义和声学风格检索多模态对话，通过对比学习提升在DailyTalk数据集上的检索性能。
本文介绍了偏好树优化（PTO）框架，该框架通过前瞻模拟生成偏好数据，以迭代改进目标导向对话代理。实验表明，在动机访谈场景中取得了性能提升。
本文介绍了UserIDA，一种用于可控用户模拟的方法，将交互意图与语言表达分离，在LMSYS-USP基准上实现了比基线显著更高的意图准确率和响应质量。
M3-DuplexBench is a new multi-turn, multilingual, multidomain benchmark for evaluating full-duplex spoken dialogue systems, supporting English and Japanese across casual conversation and question answering domains.
本文介绍了DebtBench——首个针对催收协商的个性化基准测试，以及DebtGPT——一个同时优化财务回收与交互体验的催收代理。实验表明，大多数大型语言模型在这一真实场景中表现不佳，而DebtGPT达到了与GPT-4o相当的性能。
CallBench是一个中文基准测试，用于评估电话助手中的双目标协调能力，包含50,000轮跨越六个场景的多轮对话，并采用预设感知的评估协议，覆盖语义理解、安全性和对话节奏。
提出了DCC，一个用于共情回应生成的动态常识协调框架，集成了基于残差的交互、关联引导的过滤和迭代解码，相比于基线模型提高了情感分类准确率和回应多样性。
介绍了Instruct-FD，一个用于评估全双工语音系统能否遵循显式轮换指令的基准。结果显示最佳模型仅达到64.4%的遵从率，凸显了在遵循指令的轮换管理方面存在显著差距。
本文重新定义了AI对话系统中的共情为'预测性错位容忍'，并提出了一种解释性错误容忍（IET）启发式方法。实验表明，对话修复具有依赖状态的机制结构，在不同噪声水平下在判别保真度与主旨保留之间进行权衡。
TRACER通过分析部分对话，利用信念状态变化和文本表示预测任务型对话是否会失败，从而在全面崩溃之前发出早期预警。
本文扩展了摩擦策略优化（FPO）以处理对话中的感知性不对称，即参与者持有不对称的部分信息。研究表明，从每个参与者的视角评估摩擦比全知访问更有效，并提出了针对共同基础状态的标注改进。
本文研究了视觉语言模型中的一种偏差，即模型在对话中高估了共同理解，将感知访问与沟通基础相混淆。研究结果对对话系统和VLM评估具有启示意义。
本文提出UP-NRPA，一种在线框架，将用户画像与基于大语言模型的嵌套展开策略自适应相结合，无需离线训练即可动态定制对话策略，在多个对话任务上实现了100%的成功率。
HyPE 提出了一种基于超图的角色编码器，通过类别感知超边和持久边嵌入对角色属性间的高阶关系进行建模，在 PersonaChat 数据集上，相较于多个主干模型的平面池化基线，取得了持续的改进。
本文提出了细粒度片段检索（FFR）这一新任务，旨在长对话中定位语义连贯的多模态片段（文本与图像）。作者提出了基于生成的检索模型 F2RVLM（通过强化学习训练）和两阶段检索系统 FFRS，并构建了新的评测数据集 MLDR。
本文提出了一种针对长上下文对话系统中记忆访问与选择的统一框架，利用贝叶斯因子量化历史轮次对建模变化用户偏好的效用。实验表明，在偏好密集型任务中，该框架优于基于嵌入的检索方法。
本文提出PUMA，一个用于多轮对话中LLM个性化的框架，该框架建模潜在用户状态，并利用自由能原理选择对话行为，在医疗咨询基准测试中提升了长程对话效果。
提出FF-BPSN，一种前向聚焦双向伪孪生网络，使用两个Transformer解码器进行目标导向主动对话中的对话路径规划，在DuRecDial基准上达到最优性能。