混合会话对话：基于体中心记忆的对话系统

最近出现的对话系统已展示出高额可用性。然而，它们仍不足以反映真实世界的对话场景。当前的对话系统表现出无法复制涉及多个伙伴的动态、连续、长期互动的局限。这一不足源于很少有研究努力能同时考虑真实对话的两个方面：长期对话中深层次的互动以及涉及多个参与者的广泛扩大的对话网络。为了整合这些方面，我们引入了混合会话对话（Mixed-Session Conversation），一种在多会话设置下构建与各种伙伴进行对话的对话系统。我们提出了一个名为 MiSC 的新数据集来实现该系统。MiSC 的对话剧集由 6 个连续会话组成，每场剧集中有四位说话者（一位主说话者和三位伙伴）。此外，我们提出了一种新的对话模型，具备一种新颖的记忆管理机制，称为基于体中心记忆的混合会话对话代理（Egocentric Memory Enhanced Mixed-Session Conversation Agent，EMMA）。EMMA 在与伙伴进行对话期间收集并保留来自主说话者视角的记忆，从而在后续互动中实现无缝连续性。广泛的人类评估表明，MiSC 中的对话即使在每次会话的对话伙伴更换时，也显示出无缝的对话流。EMMA 在 MiSC 上训练的模型也被评估，其在整个对话期间保持高记忆度且不会产生矛盾。