从何时回应到何时回应：面向开放域对话智能体的及时响应生成
计算与语言
2025-06-18 v1
摘要
虽然对话响应生成研究主要 focuses on generating based on textual context 的连贯响应，但关于基于时间上下文的何时回应的关键问题尚未得到充分探讨。为弥合这一差距，我们提出了名为及时对话响应生成的新任务，并引入 TimelyChat 框架，用于评估语言模型预测合适时间间隔和生成 time-conditioned responses 的能力。此外，我们利用未标记事件知识图谱中的事件知识，并采用大语言模型（LLM）合成 55K 条事件驱动对话，构建了大规模训练数据集。我们然后训练了 Timer—a designed to proactively predict time intervals and generate timely responses 的对话智能体。实验结果显示，Timer 在 turn-level 和 dialogue-level 评估中均优于基于提示的 LLM 以及其他微调基线。我们公开了数据、模型和代码。
引用
@article{arxiv.2506.14285,
title = {From What to Respond to When to Respond: Timely Response Generation for Open-domain Dialogue Agents},
author = {Seongbo Jang and Minjin Jeon and Jaehoon Lee and Seonghyeon Lee and Dongha Lee and Hwanjo Yu},
journal= {arXiv preprint arXiv:2506.14285},
year = {2025}
}
备注
Work in progress