你能将它们融为一体吗：评估对话智能体融合多种技能的能力

具有吸引力、知识渊博且富有同理心，这些都是对话智能体普遍期望具备的品质。以往的工作引入了旨在帮助智能体孤立地学习这些品质并衡量其表达能力的任务和数据集。然而，一个优秀的开放域对话智能体不应专精于某一项品质，而应能够将它们无缝地融合到一个连贯的对话流程中。在这项工作中，我们研究了几种组合针对孤立能力训练的模型的方法，从需要极少额外训练的简单模型聚合方案，到在所有训练阶段涵盖多种技能的各种多任务训练形式。我们进一步提出了一个新的数据集 BlendedSkillTalk，用于分析这些能力如何在自然对话中相互融合，并比较不同架构和训练方案的性能。我们的实验表明，与在单一技能上训练的模型相比，在多个专注于特定能力的任务上进行多任务训练能带来更好的融合对话性能，并且无论是统一方法还是两阶段方法，只要其构建方式能避免技能选择中的不必要偏差，或是在我们的新任务上进行了微调，都能表现良好。