會話式AI已成為跨行業(yè)業(yè)務實踐的組成部分。越來越多的公司正在利用聊天機器人為客戶服務，銷售和營銷帶來的優(yōu)勢。

即使聊天機器人已成為領先企業(yè)的“必備”資產，但其性能仍然與人類相去甚遠。來自主要研究機構和技術領導者的研究人員已經探索了各種方法，可通過增加響應的多樣性，實現情緒識別，提高其跟蹤對話的長期能力，確保保持一致的角色來提高對話系統(tǒng)的性能。等

我們搜索了2019年發(fā)表的重要的對話式AI研究論文，向您介紹了在面向任務和開放域對話系統(tǒng)中都設置了最新技術的前10名。

過度依賴域本體和缺乏跨域知識共享是對話狀態(tài)跟蹤的兩個實際但尚未研究的問題?，F有方法通常在推理期間無法跟蹤未知時隙值，并且常常難以適應新領域。在本文中，我們提出了一種可轉移的對話狀態(tài)生成器（TRADE），該函數使用復制機制從發(fā)聲中生成對話狀態(tài)，從而在預測訓練期間未遇到的（三元組，時段，值）三元組時促進知識的傳遞。

我們的模型由發(fā)聲編碼器，插槽門和狀態(tài)生成器組成，它們在域之間共享。經驗結果表明，對于人與人對話數據集MultiWOZ的五個域，TRADE的最新聯合目標準確度達到48.62%。此外，我們通過模擬未看到域的零鏡頭和幾鏡頭對話狀態(tài)跟蹤來顯示其傳輸能力。

TRADE在零射門領域之一中達到了60.58%的聯合目標精度，并且能夠適應少射情況，而不會忘記已經受過訓練的領域。