对话编年史：面向多会话对话中多样化时间与关系动态的研究

在自然语言处理领域，开放域聊天机器人已成为一个重要研究课题。然而，现有开放域聊天机器人研究的一个主要局限是仅关注短的单会话对话，忽视了理解当前对话之前多个连续会话中上下文信息的潜在需求。在多会话对话场景构成上下文的要素中，会话之间的时间间隔与说话者之间的关系尤为重要。尽管它们很重要，当前的研究工作尚未充分解决这些对话成分。本文引入了一个名为 Conversation Chronicles 的新 1M 多会话对话数据集，用于实现一种融入时间间隔与细粒度说话者关系的长期对话设置。遵循近期工作，我们利用大语言模型来生成数据。广泛的人工评估表明，Conversation Chronicles 中的对话片段反映了这些特性，同时在所有会话中保持了连贯且一致的互动。我们还提出了一个名为 ReBot 的对话模型，它仅使用约 630M 参数，由时序摘要与对话生成模块组成。当在 Conversation Chronicles 上训练时，ReBot 展现出长期上下文理解能力，并获得了高的人工参与度评分。