基于摘要历史的对话系统：实现无遗忘的提示更新
机器人学
2023-12-22 v1
摘要
在当今社会，信息过载给提供最佳推荐带来了挑战。因此，能够通过对话识别并提供必要信息的对话系统的重要性日益得到认可。然而，现有的对话系统存在一些问题，它们依赖预训练模型，在应对实时或不足信息时需要帮助。为了解决这些问题，人们正在提出允许向对话机器人添加缺失信息的模型。然而，在整合新数据的同时保持先前对话历史的完整性仍然是一个艰巨的挑战。本文提出了一种用于对话机器人的新系统，旨在通过在添加新信息时保留过去的对话历史来记住用户特定的特征。
引用
@article{arxiv.2312.13891,
title = {A Summarized History-based Dialogue System for Amnesia-Free Prompt Updates},
author = {Hyejin Hong and Hibiki Kawano and Takuto Maekawa and Naoki Yoshimaru and Takamasa Iio and Kenji Hatano},
journal= {arXiv preprint arXiv:2312.13891},
year = {2023}
}
备注
This paper is part of the proceedings of the Dialogue Robot Competition 2023