本文大部分来自ConvLab: Multi-Domain End-to-End Dialog System Platform,2019年4月18号才挂到arxiv,我是19号简单扫一遍。这种类型的文章比较简单,大多是阐述性质的,今天也没细看(局部细看了,没有整体细看),捡着关键内容加上我之前关于对话方面的了解简单写下。如果有问题,欢迎交流。
随着智能化产品深入生产生活,智能对话应用需求爆发,像小布、小度、小爱、天猫精灵等智能语音助手、智能家居、智能机器人等产品备受终端用户欢迎;像智能客服等产品则是当下企业必选的营销工具。如今企业和用户的多样化需求,也对智能对话技术提出了许多挑战,比如开放域多轮、多模态融合、拟人化情感等等。 于是近几年,工业界陆续提出了“对话即服务”、“对话即平台”等概念,越来越多的国内外厂商开始深度投入到智能对话技术的探索与研发中。包括最近爆火的 ChatGPT,更是离不开智能对话技术。 然而,智能对话是一个对技术水平要求较高
可以看到,Success rate 在RulePolicy中的表现远高于基于强化学习模型的policy。尽管如此,本文还是以学习的态度进入github地址分析了一下作者的代码。稍微还原一下强化学习PPOPolicy在多轮对话中建模的过程。
机器人:北京饭店你看可以吗? (用户有两个以上目的(订机票和酒店)要通过对话实现)
---- 新智元报道 来源:信息与电子工程前沿FITEE 作者:周杰 柯沛 邱锡鹏 黄民烈 张军平 编辑:好困 【新智元导读】为更好地理解ChatGPT,这里我们简要介绍其历史,讨论其优点和不足,指出几个潜在应用,最后分析它对可信赖人工智能、会话搜索引擎和通用人工智能(artificial general intelligence, AGI)发展的影响。 最近,OpenAI发布了对话生成预训练模型Transformer(Chat Generative Pre-trained Transformer
论文 1:The Forward-Forward Algorithm: Some Preliminary Investigations
研究任务型对话系统,首先得从数据集采集说起,关于数据之前文章介绍过了,这里就不详细介绍了,参考:任务型多轮对话数据集和采集方法
国际计算语言学协会 (ACL,The Association for Computational Linguistics),是世界上影响力最大、最具活力的国际学术组织之一,其会员遍布世界各地。ACL 会议是计算语言学领域的首要会议,广泛涉及自然语言的计算方法及其各类研究领域。计算语言学协会第57届年会,即ACL 2019,于7月28日至8月2日在意大利佛罗伦萨举行。
论文 1:A Simple Framework for Contrastive Learning of Visual Representations
在 ChatGPT 引爆科技领域之后,时隔不到四个月,OpenAI 又出大招,重磅推出多模态预训练大模型 GPT-4,号称史上最先进的 AI 系统!微软更是将 GPT-4 全面接入 Office 全家桶,人人都可以用人工智能自动生成文档、电子邮件、演示文稿。 其实不管是 ChatGPT ,还是 GPT-4,其背后都依赖大模型。短短几年,AI 模型的参数量已经从最初的数亿扩张到千亿,甚至万亿规模。 这些大模型在给我们带来震撼体验的同时,我们不禁会问,其背后的研究涉及哪些技术?这些大模型是如何开发出来的?给我们
原文链接:https://github.com/fighting41love/funNLP
它几乎最全的中文 NLP 资源库,很多包非常有趣,也很实用,可以完全满足大家的收藏癖,如果有帮助,也请分享给你的朋友们。
领取专属 10元无门槛券
手把手带您无忧上云