대화형 상거래에서 사용자의 요구사항과 제품 추천 간의 관계를 설명하는 것이 사용자의 투명성 인식을 높일 수 있다.
대화 내역에서 중요한 개념을 누락하거나 관련 없는 개념을 생성하는 문제를 해결하기 위해 과도한 연관성 현상을 완화하는 효과적인 인스턴스 가중치 전략을 제안한다.
LAPS 방법을 통해 대규모 다중 세션 사용자 선호도 대화 데이터를 수집할 수 있으며, 이를 활용하여 사용자 선호도를 효과적으로 활용한 개인화된 추천을 제공할 수 있다.
대화 맥락의 양과 유형이 대화형 시스템 평가를 위한 군중 소싱 레이블의 품질과 일관성에 중요한 영향을 미친다.
전문가가 강화 학습 에이전트의 행동을 대화 트리를 통해 형성할 수 있는 새로운 접근법인 대화 트리 탐색(Conversational Tree Search)을 소개하고, 이를 새로운 도메인에 적용하기 위해 합성 데이터 생성 기법을 탐구한다.
적합 의도 분류 및 명확화(CICC) 프레임워크는 빠르고 정확한 의도 분류를 위해 모델의 불확실성 점수를 활용하여 사전 정의된 신뢰 수준에서 진정한 의도를 포함하는 명확화 질문을 생성합니다.
BlendX는 기존 데이터셋의 한계를 극복하고 다양한 패턴의 다중 의도 탐지 문제를 다루기 위해 고안된 새로운 데이터셋 모음입니다.
대화형 시스템에서 사용자 만족도를 정확하고 해석 가능한 방식으로 추정하는 것이 중요하다. 기존 접근법의 한계를 극복하기 위해 LLM 기반의 SPUR 프레임워크를 제안한다.