Paper Reading ConvAI

Paper-Reading-Convai

Liste de lecture de papier dans l'IA conversationnelle, englobant principalement les systèmes de dialogue et la génération de langage naturel . Ce référentiel est constamment mis à jour? ...

• Deep Learning in PNL
• Systèmes de dialogue
  • Enquête sur le dialogue
  • LLMS conversationnels
  • Dialogue multimodal
    • Dialogue situé et incarné
    • Dialogue visuellement
  • Dialogue proactif
    • Mis. de dialogue proactif
    • Dialogue axé sur la cible
    • Dialogue non collaboratif (persuasion et négociation)
  • Dialogue personnalisé
    • Dialogue basé sur les personnages
    • Dialogue de la personnalité
    • Dialogue basé sur la personne
  • Dialogue émotionnel
    • Dialogue de soutien émotionnel
    • Dialogue empathique
  • Dialogue de recommandation et CRS
  • Dialogue sur les connaissances
  • Dialogue axé sur les tâches
  • Dialogue sur le domaine ouvert
    • Dialogue à long terme
    • Génération de réponse
  • Évaluation du dialogue
  • Dialogue Misc.
• Génération de langage naturel
  • Enquête sur NLG
  • Théories et techniques NLG
  • Modèles de diffusion pour NLG
  • Génération contrôlable
  • Planification de texte
  • Algorithmes de décodage
  • Évaluation NLG

---

Deep Learning in PNL

• INLP : "Traitement interactif du langage naturel". arXiv (2023) [papier]
• Augmentation des données : "Une étude des approches d'augmentation des données pour la PNL". Troises du LCA (2021) [Papier]
• Inviter : "pré-train, rapide et prédire: une étude systématique des méthodes d'incitation dans le traitement du langage naturel". arXiv (2021) [papier]
• Portée du monde de la PNL : "Expérience foncière la langue". EMNLP (2020) [papier]
• Transformateur-XL : "Transformer-XL: Modèles de langage attentif au-delà d'un contexte de longueur fixe". ACL (2019) [Paper] [Code]
• Transformateur : "L'attention est tout ce dont vous avez besoin". Neirips (2017) [Paper] [Code-officiel] [Code-TF] [Code-PY]
• VAE : "Une introduction aux autoencoders variationnels". Arxiv (2019) [papier]
• Enquête sur l'attention : "Une étude d'introduction sur les mécanismes d'attention dans les problèmes de PNL". Arxiv (2018) [papier]
• Attention additive : "Traduction de machine neuronale en apprenant conjointement à aligner et à traduire". ICLR (2015) [papier]
• Attention multiplicative : "Approches efficaces de la traduction machine neuronale basée sur l'attention". EMNLP (2015) [papier]
• Memory Net : "Réseaux de mémoire de bout en bout". NEIRIPS (2015) [Papier]
• Mécanisme de copie (PGN) : "Aller au point: Résumé avec les réseaux de générateur de pointeur". ACL (2017) [Paper] [Code]
• Mécanisme de copie : "Incorporer le mécanisme de copie dans l'apprentissage de séquence à la séquence". ACL (2016) [document]
• Elmo : "Représentations des mots contextualisés profonds". NAACL (2018) [Papier] [Code]
• GLANT : "GLANT: GLOBAL VECTORS POUR la représentation des mots". EMNLP (2014) [Paper] [Code]
• Tutoriel Word2Vec : "Learning Word2Vec Learning Explication". Arxiv (2016) [papier]
• Apprentissage multi-tâches : "Un aperçu de l'apprentissage multi-tâches dans les réseaux de neurones profonds". Arxiv (2017) [papier]
• Descente du gradient : "Un aperçu des algorithmes d'optimisation de descente de gradient". Arxiv (2016) [papier]

? Retour en haut

Systèmes de dialogue

Enquête sur le dialogue

• Génération de données : "Une enquête sur les progrès récents de la génération de données conversationnels". arXiv (2024) [papier]
• Dialogue proactif : "Une enquête sur les systèmes de dialogue proactifs: problèmes, méthodes et prospects". Ijcai (2023) [papier]
• Dialogue responsable : "Avancées récentes vers des systèmes de dialogue sûrs, responsables et moraux: une enquête". arXiv (2023) [papier]
• Dialogue sur la négociation : "Négociez! Une enquête sur les systèmes de dialogue de négociation". arXiv (2022) [papier]
• Dialogue basé sur DL : "Avancées récentes dans les systèmes de dialogue basés sur l'apprentissage en profondeur: une enquête systématique". arXiv (2021) [papier]
• Dialogue du domaine ouvert : "Défis dans la construction de systèmes de dialogue intelligents du domaine ouvert". Tois (2020) [papier]
• Systèmes de dialogue : "Une enquête sur les systèmes de dialogue: avancées récentes et nouvelles frontières". SIGKDD Explorations (2017) [Papier]
• Corporations de dialogue : "Une enquête sur les corpus disponibles pour la création de systèmes de dialogue basés sur les données". Arxiv (2017) [Papier] [Données]

? Retour en haut

LLMS conversationnels

• Parrot : "Parrot: améliorer les modèles de chat multi-tours en apprenant à poser des questions". arXiv (2023) [papier]
• Memochat : "Memochat: Tuning LLMS pour utiliser des mémos pour une conversation à domaine ouvert à longue portée cohérente". arXiv (2023) [papier]
• LLAMA 2-CHAT : "LLAMA 2: Fondation ouverte et modèles de chat affinés". Méta (2023) [papier] [code]
• ChatGlm3 : "Série ChatGlm3: Open Bilingual Chat LLMS". Tsinghua (2023) [code]
• Chatglm2-6b : "chatGlm2-6b: un chat bilingue ouvert llm". Tsinghua (2023) [code]
• MPC : "Invited LLMS en tant que modules de chatbot pour une longue conversation à domaine ouvert". ACL-Findings (2023) [Paper] [Code]
• MemoryBank-Silicon Afriend : "MemoryBank: Amélioration des modèles de langues grands avec mémoire à long terme". arXiv (2023) [papier] [code]
• Ultrachat : "Améliorer les modèles de langage de chat en élargissant les conversations pédagogiques de haute qualité". arXiv (2023) [papier] [données]
• Chatalpaca : "Chatalpaca: un corpus de dialogue multi-tours basé sur les instructions alpaca". Github (2023) [données]
• Phoenix : "Phoenix: démocratisation du chatpt à travers les langues". arXiv (2023) [papier] [code]
• Dolly : "Free Dolly: Présentation de la première LLM à instruction vraiment ouverte du monde". Databricks (2023) [Code]
• Baize : "Baize: un modèle de chat open source avec un réglage économe en paramètres sur les données d'auto-chat". arXiv (2023) [papier] [code]
• Vicuna : "Vicuna: un chatbot open source impressionnant GPT-4 avec une qualité de chatppt à 90%". LMSYS ORG (2023) [BLOG] [CODE]
• Koala : "Koala: un modèle de dialogue pour la recherche universitaire". UC Berkeley (2023) [Blog] [Code]
• Belle : "Belle: Soyez le grand moteur de modèle de langue de tout le monde". Lianjatech (2023) [code]
• Alpaga : "Alpaga: un modèle de suivi des instructions fort et reproductible". Stanford (2023) [Blog] [Code] [Alpaca-Lora]
• ChatGLM-6B : "Un modèle de langage de dialogue bilingue ouvert". Tsinghua (2023) [code]
• Assistant ouvert : "Assistant ouvert: AI conversationnel pour tout le monde". GitHub (2023) [Projet] [Code]
• Chatgpt : "Chatgpt: Optimiser les modèles de langue pour le dialogue". Openai (2022) [Blog]
• Sparrow : "Améliorer l'alignement des agents de dialogue via des jugements humains ciblés". arXiv (2022) [papier] [données]
• BlenderBot3 : "Blenderbot 3: un agent conversationnel déployé qui apprend continuellement à s'engager de manière responsable". arXiv (2022) [papier]
• Lamda : "Lamda: Modèles de langue pour les applications de dialogue". arXiv (2022) [papier]
• GOBEL : "GODEL: pré-formation à grande échelle pour le dialogue dirigé par des objectifs". arXiv (2022) [papier] [code]
• Assistant anthropique-V2 : "Former un assistant utile et inoffensif avec apprentissage du renforcement des commentaires humains". arXiv (2022) [papier]
• Assistant anthropique : "Un assistant de langue générale en tant que laboratoire d'alignement". arXiv (2021) [papier]

? Retour en haut

Dialogue multimodal

Dialogue situé et incarné

• SLL : "Dialogues situationnels basés sur un modèle de grande langue pour l'apprentissage d'une langue seconde". arXiv (2024) [papier]
• EMB-Plan : "Plane de plan incarné multimodal augmentée avec un dialogue incarné synthétique". EMNLP (2023) [papier]
• WTAG : "Les modèles de fondation peuvent-ils regarder, parler et vous guider étape par étape pour faire un gâteau?". EMNLP-Findings (2023) [Paper] [Code]
• SIMMC-VR : "SIMMC-VR: Un ensemble de données de dialogue multimodal orienté tâches avec des flux VR situés et immersifs". ACL (2023) [papier]
• Bien sûr : "Dialogue de recommandation multimodale avec préférence subjective: un nouveau défi et une référence". ACL (2023) [Paper] [Données]
• Sugar : "Un ensemble de données textuel pour la sélection de réponse proactive située". ACL (2023) [Paper] [Données]
• Minddial : "Minddial: Dynamique des croyances suivi avec la modélisation de la théorie de l'esprit pour la génération de dialogue neuronale située". arXiv (2023) [papier]
• Holoassist : "Holoassiste: un ensemble de données à interaction humaine égocentrique pour les assistants interactifs d'IA dans le monde réel". ICCV (2023) [Paper] [Données]
• Collaboration : "vers l'acquisition de plan collaboratif par la théorie de la modélisation de l'esprit dans le dialogue situé". Ijcai (2023) [papier] [code]
• Alexa Arena : "Alexa Arena: une plate-forme interactive centrée sur l'utilisateur pour l'intermédiaire d'incarnation". arXiv (2023) [papier] [code]
• Seagull : "Seagull: un agent incarné pour les instructions suivant le dialogue situé". Alexa Prize Simbot Challenge (2023) [document]
• Sitcom-Det : "Auquel parlez-vous? Identification des objets multimodaux dans le dialogue situé". EACL-SRW (2023) [Paper] [Code]
• MLR : "Améliorer les agents conversationnels situés avec un raisonnement logique multimodal étape par étape". DSTC11 (2023) [papier]
• Simplemtod : "Simplemtod: un modèle de langage simple pour le dialogue multimodal axé sur les tâches avec représentation de scène symbolique". arXiv (2023) [papier]
• Spring : "Spring: Agent de conversation situé pré-entraîné avec des questions multimodales du graphique de mise en page incrémentiel". Aaai (2023) [papier] [code]
• Dorothie : "Dorothie: Dialogue parlé pour gérer des situations inattendues dans les agents de conduite autonomes interactifs". EMNLP-Findings (2022) [Paper] [Code]
• Curriculum léger : "Apprentissage du dialogue situé à travers la génération d'environnement procédurale". ACL (2022) [papier]
• Danli : "Danli: agent délibératif pour suivre les instructions du langage naturel". EMNLP (2022) [Paper] [Code]
• PRS : "Apprendre à médier les disparités envers la communication pragmatique". ACL (2022) [Paper] [Code]
• Modèle conjoint : "Apprendre à intégrer des contextes multimodaux pour les agents conversationnels situés". NAACL-Findings (2022) [Paper] [Code]
• Teach_Film : "Ne copiez pas l'enseignant: les données et les défis du modèle dans le dialogue incarné". EMNLP (2022) [Paper] [Code]
• Teach : "Teach: Agents incarnés axés sur les tâches qui discutent". Aaai (2022) [papier] [données]
• Mindcraft : "Mindcraft: Théorie de la modélisation de l'esprit pour le dialogue situé dans les tâches collaboratives". EMNLP (2021) [Paper] [Code]
• Modèle multimodal : "Interactions multimodales utilisant des modèles unimodaux pré-entraînés pour SIMMC 2.0". DSTC10 (2022) [Paper] [Code]
• SIMMC 2.0 : "SIMMC 2.0: un ensemble de données de dialogue axé sur les tâches pour les conversations multimodales immersives" EMNLP (2021) [Paper] [Code]
• MM-DST : "Apprentissage multi-tâches pour les systèmes de dialogue de bout en bout à domaine situé". arXiv (2021) [papier]
• SIMMC : "Conversations multimodales situées et interactives". Coling (2020) [papier] [code]
• Minecraft-bap : "Apprendre à exécuter des instructions dans un dialogue Minecraft". ACL (2020) [Paper] [Code]
• Céréale : "Exécution d'instructions dans des interactions collaboratives situées". EMNLP (2019) [Paper] [Code]
• Dialogue Minecraft : "Dialogue collaboratif dans Minecraft". ACL (2019) [Paper] [Code]
• CLG : "Langage collaboratif Masser vers le dialogue Human-Robot situé". AI Magazine (2016) [papier]
• SHRD : "Back to the Blocks World: Apprendre de nouvelles actions à travers le dialogue situé par l'homme-robot". Sigdial (2014) [document]

Dialogue visuellement

• Tiger : "Tiger: un cadre de modèle génératif unifié pour la génération de réponse de dialogue multimodale". Coling (2024). [papier] [Code]
• Dialogcc : "Dialogcc: un pipeline automatisé pour créer un ensemble de données de dialogue multimodal de haute qualité". NAACL (2024) [Papier] [Données]
• VLAW-MDM : "Un cadre pour les tâches d'échauffement de la vision dans les modèles de dialogue multimodal". EMNLP (2023) [Paper] [Code]
• ZRIGF : "ZRIGF: Un cadre multimodal innovant pour la génération de dialogue à l'image à ressources zéro". ACM MM (2023) [Paper] [Code]
• Vdialogue : "Vdialogue: une référence d'évaluation unifiée pour le dialogue visuellement fondé". arXiv (2023) [papier]
• TextBind : "TextBind: le suivi multimodal entre les virages multiples, le suivi de l'instruction dans la nature". arXiv (2023) [papier] [données]
• VSTAR : "VSTAR: un ensemble de données de dialogue vidéo à la carte vidéo pour une compréhension sémantique située avec des transitions de scène et de sujet". ACL (2023) [Paper] [Données]
• Comset : "Génération de dialogues comiques basée sur la personnalité multimodale". ACL (2023) [Paper] [Code]
• MPCHAT : "MPCHAT: Vers la conversation multimodale fondée sur la personnalité". ACL (2023) [Paper] [Code]
• PACE : "PACE: Dialogue multimodal unifié Pré-formation avec des experts progressifs et de composition". ACL (2023) [Paper] [Code]
• MMDIALOG : "MMDIALOG: Un jeu de données de dialogue multi-tour à grande échelle vers une conversation multimodale à domaine ouvert". ACL (2023) [Paper] [Données]
• MDS-S2 : "Double connaissances sémantiques composées de systèmes de dialogue multimodal". Sigir (2023) [papier]
• Tiktalk : "Tiktalk: un ensemble de données de dialogue multimodal pour le chitchat du monde réel". arXiv (2023) [papier] [code]
• Champagne : "Champagne: apprendre la conversation du monde réel à partir de vidéos Web à grande échelle". arXiv (2023) [papier] [code]
• MMCHAT : "MMCHAT: ensemble de données de chat multimodal sur les réseaux sociaux". LREC (2022) [Paper] [Code]
• CRVD : "Raisonnement collaboratif sur les graphiques sémantiques multimodaux pour la génération de dialogue vidéo". EMNLP-Findings (2022) [papier]
• M3ED : "M3ED: Multi-modal Multi-Scene Multi-Babel Emotional Dialogue Base". ACL (2022) [Paper] [Données]
• MDRG : "Génération de réponse de dialogue multimodale". ACL (2022) [papier]
• UNITRANSER : "UNITRANSER: Un cadre de représentation sémantique de transformateur unifié pour le système de dialogue orienté tâches multimodal". ACL (2022) [papier]
• Photochat : "Photochat: un ensemble de données de dialogue humain humain avec comportement de partage de photos pour la modélisation conjointe de texte d'image". ACL (2021) [Paper] [Données]
• Dialogue multimodal : "Construire un ensemble de données de dialogue multimodal en remplaçant le texte par des images sémantiquement pertinentes". ACL (2021) [Paper] [Code]
• Openvidial 2.0 : "Openvidial 2.0: un ensemble de données de génération de dialogue à plus grande échelle et à domaine ouvert avec des contextes visuels". arXiv (2021) [papier] [données]
• Treasure : "Système de dialogue multimodal: compréhension de la question du contexte basé sur des graphiques relationnels". ACM MM (2021) [Paper] [Code]
• MMCONV : "MMCONV: un environnement pour la recherche conversationnelle multimodale dans plusieurs domaines". Sigir (2021) [Paper] [Données]
• Chat d'image : "Chat d'image: engageant des conversations fondées". ACL (2020) [Papier] [Données]
• MTN : "Réseaux de transformateurs multimodaux pour les systèmes de dialogue vidéo de bout en bout". ACL (2019) [Paper] [Code]
• Meld : "Meld: un ensemble de données multimodal multipartite pour la reconnaissance des émotions dans les conversations". ACL (2019) [Papier] [Données]
• CLEVR-DIALOG : "CLEVR-DIALOG: Un ensemble de données de diagnostic pour le raisonnement multi-ronde dans la boîte de dialogue visuel". NAACL (2019) [Papier] [Données]
• Visdial-RL : "Améliorer le dialogue visuel génératif en répondant à diverses questions". EMNLP (2019) [Paper] [Code]
• Magic : "Système de dialogue multimodal: générer des réponses via des décodeurs adaptatifs". ACM MM (2019) [Paper] [Code]
• KMD : "Systèmes de dialogue multimodaux conscients des connaissances". ACM MM (2018) [Paper]
• MMD : "Vers la construction de systèmes de conversation multimodaux à grande échelle". AAAI (2018) [Papier] [Données]
• Parlez de la marche : "Parlez de la promenade: naviguer dans la ville de New York grâce à un dialogue fondé sur la terre". Arxiv (2018) [Papier] [Code]
• IGC : "Conversations d'image: contexte multimodal pour la génération naturelle de questions et de réponse". IJCNLP (2017) [Papier] [Données]
• Visdial : "Dialogue visuel". CVPR (2017) [Papier] [Données]

? Retour en haut

Dialogue proactif

Mis. de dialogue proactif

• DPDP : "Planification comme humain: un cadre à double processus pour la planification du dialogue". ACL (2024) [Paper] [Code]
• PCA : "Vers des agents conversationnels proactifs centrés sur l'homme". Sigir (2024) [papier]
• Procot : "Inviter et évaluer des modèles de gros langues pour les dialogues proactifs: clarification, guidé par la cible et non-collaboration". EMNLP-Findings (2023) [Paper] [Code]
• Tutoriel : "La conscience de l'objectif pour l'IA conversationnelle: proactivité, non-collaborativité et au-delà". ACL (2023) [papier]

Dialogue axé sur la cible

• Pai : "Vers les systèmes de tutorat intelligents axés sur les objectifs dans l'éducation en ligne". arXiv (2023) [papier]
• TopDial : "Systèmes de dialogue proactifs orientés cibles avec personnalisation: formulation du problème et conservation de l'ensemble de données". EMNLP (2023) [Paper] [Code]
• RTCP : "Promotion conversationnelle renforcée par cible". EMNLP (2023) [Paper] [Code]
• MTGP : "MTGP: Dialogue à plusieurs tours de tournage guidé par un chemin global génératif avec des virages flexibles". ACL-Findings (2023) [Paper] [Code]
• Couleur : "Planification du dialogue via le processus stochastique du pont brownien pour le dialogue proactif dirigé par des objectifs". ACL-Findings (2023) [Paper] [Code]
• TOPKG : "Topkg: boîte de dialogue orientée cible via la planification globale sur le graphique de connaissances". Coling (2022) [papier] [code]
• TGCP : "Planification de conversation à domaine ouvert guidé par la cible". Coling (2022) [papier] [code]
• FOP : "Contrôle à long terme pour la génération de dialogue: méthodes et évaluation". NAACL (2022) [Paper] [Code]
• CODA : "Génération de réponse de dialogue guidée par la cible en utilisant le bon sens et l'augmentation des données". NAACL-Findings (2022) [Paper] [Code]
• Otters : "Otters: transitions de sujet à un tour pour le dialogue du domaine ouvert". ACL (2021) [Paper] [Données]
• CG-NAR : "Penser clairement, parler vite: génération non autorégressive guidée par le concept pour les systèmes de dialogue à domaine ouvert". EMNLP (2021) [Paper] [Code]
• Duconv : "Conversation proactive de la machine humaine avec des objectifs de conversation explicites". ACL (2019) [Paper] [Code]
• CKC : "Modèle conversationnel neuronal guidé par mot-clé". Aaai (2021) [papier] [code]
• Knowhrl : "Graphique des connaissances fondée sur l'objectif fondé sur la planification des objectifs pour la génération de conversation du domaine ouvert". AAAI (2020) [papier]
• DKRN : "Réseau de routage des connaissances dynamiques pour la conversation à domaine ouvert guidé par la cible". Aaai (2020) [papier] [code]
• TGCONV : "Conversation de domaine ouvert guidé par la cible". ACL (2019) [Paper] [Code]

Dialogue non collaboratif (persuasion et négociation)

• Trip : "La force réside dans les différences! Vers des dialogues efficaces non collaboratifs via une planification de stratégie sur mesure". arXiv (2024) [papier]
• Ina : "Ina: une approche intégrative pour améliorer les stratégies de négociation avec le système de dialogue basé sur la récompense". EMNLP (2023) [Paper] [Données]
• I-Pro : "Interaction avec l'utilisateur non coopératif: un nouveau paradigme pour la politique de dialogue proactif". Sigir (2022) [papier]
• PAAD : "Vers un agent de dialogue autonome conscient de la progression". NAACL (2022) [Paper] [Code]
• Persrfi : "Affiner et imiter: réduire la répétition et l'incohérence dans les dialogues de persuasion via l'apprentissage du renforcement et la démonstration humaine". EMNLP-Findings (2021) [Paper] [Code]
• Resper : "Resper: Modélisation de la modélisation par calcul des stratégies de résistance dans les conversations persuasives". EACL (2021) [Paper] [Code]
• ARDM : "Modèle de dialogue récurrent alterné avec des modèles de langage pré-formé à grande échelle". EACL (2021) [Paper] [Code]
• Dialograph : "Dialograph: Incorporer des réseaux de stratégie interprétables dans les dialogues de négociation". ICLR (2021) [Paper] [Code]
• NégociationTom : "Améliorer les systèmes de dialogue pour la négociation avec la modélisation de la personnalité". ACL (2021) [Paper] [Code]
• Fehed : "Augmenter les systèmes de dialogue non collaboratifs avec une histoire de dialogue sémantique et stratégique explicite". ICLR (2020) [Paper] [Code]
• CTX-PSA : "Apprendre à planifier et à réaliser séparément pour les systèmes de dialogue ouverts". EMNLP-Findings (2020) [Paper] [Code]
• Coach de négociation : "un coach de stratégie dynamique pour une négociation efficace". Sigdial (2019) [Papier] [Code]
• Persuasionforgood : "Persuasion pour de bon: vers un système de dialogue persuasif personnalisé pour le bien social". ACL (2019) [Papier] [Données]
• CraigslistBargain : "Découplage Stratégie et génération dans les dialogues de négociation". EMNLP (2018) [Papier] [Données]

? Retour en haut

Dialogue personnalisé

Dialogue basé sur les personnages

• LLM-Werewolf : "Explorer des modèles de grands langues pour les jeux de communication: une étude empirique sur le loup-garou". arXiv (2023) [papier]
• Chatharuhi : "Chatharuhi: relance du caractère d'anime dans la réalité via un modèle grand langage". arXiv (2023) [rapport] [Code]
• DPCD : "Salut Sheldon! Création de personnages personnalisés profonds à partir d'émissions de télévision". arXiv (2023) [papier] [données]
• Cornell-Rich : "Modélisation de langage personnalisée des caractères d'écran utilisant de riches annotations de métadonnées". arXiv (2023) [papier] [données]
• Kundge : "Génération ontologiquement fidèle de dialogues de personnages non joués". Arxique (2022) [papier]
• HPD : "Les modèles de grands langues rencontrent Harry Potter: un ensemble de données bilingues pour aligner les agents de dialogue avec les personnages". arXiv (2022) [papier] [données]
• Dialstory : "Une référence pour comprendre et générer un dialogue entre les personnages dans les histoires". arXiv (2022) [papier]
• Carecall : "Construire un rôle spécifié du système de dialogue à domaine ouvert tirant parti des modèles de langage à grande échelle". NAACL (2022) [Papier] [Données]
• PDP : "Rencontrez votre personnage préféré: chatbot à domaine ouvert imitant des personnages fictifs avec seulement quelques énoncés". NAACL (2022) [Paper] [Code]
• RPA : "Suis-je moi ou moi? Les modèles de dialogue de pointe ne peuvent pas maintenir une identité". NAACL-Findings (2022) [papier]
• PersatorChat : "CharacterChat: soutenir la création de personnages fictifs par la conversation et la manifestation progressive avec un chatbot". ACM C&C (2021） [papier]
• Aloha : "Aloha: apprentissage artificiel des attributs humains pour les agents de dialogue". Aaai (2020) [papier] [code]
• Lumière : "Apprendre à parler et à agir dans un jeu d'aventure en texte fantastique". EMNLP (2019) [Papier] [Données]

Dialogue de la personnalité

• UBPL : "Adapter les traits de personnalité dans les modèles de grands langues via des lexiques personnalisés non surveillés". arXiv (2023) [papier]
• PersacterChat : "CharacterChat: Apprendre vers une IA conversationnelle avec un soutien social personnalisé". arXiv (2023) [papier] [code]
• ChatGpt-MBTI : "Le chatppt peut évaluer les personnalités humaines? Un cadre d'évaluation général". arXiv (2023) [papier] [code]
• Personnalité invitée : "Contrôle du style de personnalité en dialogue avec un apprentissage basé sur un coup de zéro". IWSDS (2023) [papier]
• CPED : "CPED: Un jeu de données de dialogue personnalisé et émotionnel chinois à grande échelle pour l'IA conversationnelle". arXiv (2022) [papier] [données]
• Peld : "Sélectionnez automatiquement l'émotion pour la réponse via la transition émotionnelle affectée par la personnalité". ACL-Findings (2021) [Papier] [Données]
• FriendsPersona : "Reconnaissance automatique de la personnalité textuelle sur les monologues et les dialogues multipartites à l'aide de réseaux attentifs et d'incorporation contextuelle". AAAI-Student Résumé (2020) [Papier] [Données]
• APR : "Identifier les traits de personnalité en utilisant la dynamique de chevauchement dans le dialogue multipartite". IntereSpeech (2019) [Papier]
• PersonalDilaog : "Génération de dialogue personnalisée avec des traits diversifiés". Arxiv (2019) [Papier] [Données]
• Personagenlg : "contrôler la variation stylistique basée sur la personnalité avec les générateurs de langage naturel neuronal". Sigdial (2018) [Papier] [Données]

Dialogue basé sur la personne

• Comperdial : "ComperDial: ensemble de données de dialogue et de référence à la personnalité Communsense Persona,". arXiv (2024) [papier]
• IDL : "" Dans les dialogues, nous apprenons ": vers un dialogue personnalisé sans profils prédéfinis grâce à l'apprentissage en dialogue". arXiv (2024) [papier]
• Dialogicl : "Création d'une bonne invite ou fournissant des dialogues exemplaires? Une étude de l'apprentissage en contexte pour la génération de dialogue basée sur la personnalité". arXiv (2024) [papier]
• Varmi : "Construire des agents de dialogue cohérents de personnage avec apprentissage en renforcement hors ligne". EMNLP (2023) [Paper] [Code]
• Opela : "Quand Crowd rencontre Persona: Création d'un corpus de dialogue Persona Open-Domain à grande échelle". arXiv (2023) [papier] [données]
• Orig : "Vers une génération de dialogue personnalisée robuste via la régularisation de la représentation insensible à l'ordre". ACL-Findings (2023) [Paper] [Code]
• CLV : "Améliorer la génération de dialogue personnalisée avec des variables latentes contrastives: combinant un personnage clairsemé et dense". ACL (2023) [Paper] [Code]
• SIMOAP : "SIMOAP: Améliorer la cohérence et la cohérence de la génération de dialogue basée sur la personnalité via un sur-échantillonnage et après l'évaluation". ACL (2023) [Paper] [Code]
• LMEDR : "Apprendre à mémoriser des relations avec les dialogues consistents en matière d'impression et de discours pour les dialogues consistents". Aaai (2023) [papier] [code]
• Retriel-to-prédiction : "Améliorer la cohérence de la personnalité dans la conversation par l'étendue de Persona". CIKM (2022) [Paper] [Code]
• Personne implicite : "Un générateur de dialogue personnalisé avec une détection implicite de la personnalité utilisateur". Coling (2022) [papier]
• CareCallMemory : "Gardez-moi au courant! Gestion de la mémoire dans les conversations à long terme". EMNLP-Findings (2022) [Paper] [Data]
• Personadefense : "Vous ne connaissez pas ma couleur préférée: empêcher les représentations de dialogue de révéler les personnages privés des orateurs". NAACL (2022) [Paper] [Code]
• Taune rapide : "Construire un système de dialogue personnalisé avec un réglage rapide". NAACL-SRW (2022) [papier]
• DULEMON : "Long Time No See! Open Domain Conversation avec la mémoire de personnage à long terme". ACL-Findings (2022) [Papier] [Données]
• Info : "Vous comprenez vraiment ce dont j'ai besoin: des agents de dialogue intellectuels et amicaux ancrant les connaissances et la personnalité". EMNLP-Findings (2022) [Paper] [Code]
• Focus : "Appelez pour une conversation personnalisée: une conversation personnalisée Persona et des connaissances". Aaai (2022) [papier] [code]
• MSP : "moins c'est plus: apprendre à affiner l'histoire du dialogue pour la génération de dialogue personnalisée". NaaCl (2022) [papier]
• GME : "Dialogues transférables à la personne via des modifications minimales fondées". EMNLP (2021) [Paper] [Code]
• Bob : "Bob: Bert sur Bert pour la formation de modèles de dialogue basés sur des personnalités à partir de données personnalisées limitées". ACL (2021) [Paper] [Code]
• Pabst : "Enrichissement non supervisé de la boîte de dialogue fondée sur Persona avec des histoires de fond". ACL (2021) [Paper] [Code]
• DHAP : "Un chatbot par personne: création de chatbots personnalisés basés sur des profils utilisateur implicites". Sigir (2021) [papier]
• PCHATBOT : "PCHATBOT: Un ensemble de données à grande échelle pour le chatbot personnalisé". Sigir (2021) [Paper] [Données]
• Compac : "Comme la randonnée? Vous aimez probablement la nature: la boîte de dialogue fondée sur le personnage avec des extensions de bon sens". EMNLP (2020) [Paper] [Code]
• Conscience pragmatique : "Vais-je me ressembler? Améliorer la cohérence des dialogues par la conscience pragmatique". EMNLP (2020) [Paper] [Code]
• XPERSONA : "XPERSONA: Évaluation du chatbot personnalisé multilingue". arXiv (2020) [papier] [données]
• KVPI : "Identification de cohérence du profil pour les agents de dialogue du domaine ouvert". EMNLP (2020) [Paper] [Code]
• GDR : "Générer, supprimer et réécrire: un cadre en trois étapes pour améliorer la cohérence de la personnalité de la génération de dialogue". ACL (2020) [papier]
• P ^ 2bot : "Vous m'impressionnez: génération de dialogue via la perception de la personnalité mutuelle". ACL (2020) [Paper] [Code]
• RCDG : "Générer des dialogues cohérents de la personnalité en exploitant l'inférence du langage naturel". Aaai (2020) [papier] [code]
• Persona-SPASSE : "Un modèle de génération de dialogue personnalisé en pré-formation avec des données SPARS". AAAI (2020) [papier]
• Personawae : "Modélisation de la personnalisation dans un espace continu pour la génération de réponse via des autoencoders augmentés de Wasserstein". EMNLP (2019) [papier]
• PAML : "Personnaliser les agents de dialogue via Meta-Learning". ACL (2019) [Paper] [Code]
• Personachat : "Personnaliser les agents de dialogue: j'ai un chien, avez-vous aussi des animaux de compagnie?" ACL (2018) [Papier] [Données]
• PCCM : "Attribuer une personnalité / profil à une machine de chat pour une génération de conversation cohérente". Ijcai (2018) [papier]

? Retour en haut

Dialogue émotionnel

Dialogue de soutien émotionnel

• Biais de préférence : "Les modèles de grands langues peuvent-ils être un bon partisan émotionnel? Imagent un biais de préférence sur la conversation de soutien émotionnel". ACL (2024) [papier]
• ESCOT : "ESCOT: vers des systèmes de dialogue de soutien émotionnel interprétables". ACL (2024) [Paper] [Code]
• Muffin : "Muffin: atténuer inutile dans les conversations de soutien émotionnel avec la rétroaction d'IA multiforme". ACL-Findings (2024) [Paper] [Code]
• DDRCU : "Récupération de démonstration dynamique et compréhension cognitive de la conversation de soutien émotionnel". Sigir (2024) [Paper] [Code]
• KEMI : "Système de dialogue à initiative mixte amélioré la connaissance des conversations de soutien émotionnel". ACL (2023) [Paper] [Code]
• CSCONV : "Un système de dialogue de stimulation cognitive avec fusion de connaissances multi-source pour les anciens souffrant de troubles cognitifs". ACL (2023) [Paper] [Code]
• Auges : "Auges: Augmentation du dialogue avec de grands modèles de langue pour la conversation de soutien émotionnel". Troises du LCA (2023) [papier]
• Transesc : "Transesc: lissage de la conversation de soutien émotionnel via la transition d'état de niveau tournant". ACL-Findings (2023) [Paper] [Code]
• PAL : "PAL: Persona-augmentation de la génération de conversation de soutien émotionnel". ACL-Findings (2023) [Paper] [Code]
• MULTIESC : "Amélioration de la génération de dialogue de soutien émotionnel multi-tour avec la planification de la stratégie de lookahead". EMNLP (2022) [Paper] [Code]
• Misc : "Misc: Un modèle mixte de stratégie intégrant la comète pour une conversation de soutien émotionnel". ACL (2022) [Paper] [Code]
• C3KG : "C3KG: Un graphique de connaissance de la conversation de la commune chinoise". ACL-Findings (2022) [Papier] [Données]
• GLHG : "Contrôle à l'échelle mondiale, comprenez localement: un réseau de graphiques hiérarchiques globaux à local pour la conversation de soutien émotionnel". Ijcai (2022) [papier]
• ESCONV : "Vers des systèmes de dialogue de soutien émotionnel". ACL (2021) [Paper] [Données]

Dialogue empathique

• STOLERCONV : "StickerConv: Génération de réponses empathiques multimodales à partir de zéro". ACL (2024) [Paper] [Données]
• PerceptiveAgent : "Parlez avec des agents humains: dialogue empathique par réception acoustique perceptible et réaction". ACL (2024) [Paper] [Code]
• E-Core : "E-Core: Corrélation émotionnelle Génération d'empathie améliorée" EMNLP (2023) [Paper]
• Empsoa : "Ne vous perdez pas! Génération de réponse empathique via une conscience explicite de soi". ACL-Findings (2023) [Paper] [Code]
• Cas : "Cas: Aligner la cognition et affection grossières pour la génération de réponse empathique". ACL (2023) [Paper] [Code]
• CARE : "CARE: raisonnement de causalité pour les réponses empathiques par génération de graphiques conditionnels". EMNLP-Findings (2022) [Paper] [Code]
• EMPGPT-3 : "Le GPT-3 génère-t-il des dialogues empathiques? Un nouveau méthode de sélection d'exemples dans le contexte et une métrique d'évaluation automatique pour la génération de dialogue empathique". Coling (2022) [papier] [code]
• Posemodial : "Vers les dialogues empathiques multi-tour avec une élicitation d'émotion positive". arXiv (2022) [papier]
• CEM : "CEM: Génération de réponse empathique consciente du bon sens". Aaai (2022) [papier] [code]
• Gee : "La prise de perspective et la pragmatique pour générer des réponses empathiques axées sur les causes des émotions". EMNLP (2021) [Paper] [Code]
• RECEC : "Améliorer la génération d'empathie en reconnaissant la cause de l'émotion dans les conversations". EMNLP-Findings (2021) [Paper] [Code]
• Comae : "Comae: un cadre hiérarchique multi-facteurs pour la génération de réponse empathique". ACL-Findings (2021) [Paper] [Code]
• CARE : "CARE: Génération de réponse émotionnelle consciente de la méconnaissance avec des concepts latents". Aaai (2021) [papier] [code]
• EMPDG : "EMPDG: Génération de dialogue empathique interactive multi-résolution". Coling (2020) [papier] [code]
• MIME : "MIME: imiter les émotions pour la génération de réponse empathique". EMNLP (2020) [Paper] [Code]
• PEC : "Vers des modèles conversationnels empathiques basés sur des personnalités". EMNLP (2020) [Paper] [Code]
• Moel : "Moel: Mélange des auditeurs empathiques". EMNLP (2019) [Paper] [Code]
• EmpatheticDaLoGues : "Vers les modèles de conversation à domaine ouvert empathique: un nouveau référence et un ensemble de données". ACL (2019) [Papier] [Données]
• EMODS : "Générer des réponses avec une émotion spécifique dans le dialogue". ACL (2019) [document]
• Mojitalk : "Mojitalk: générer des réponses émotionnelles à grande échelle". ACL (2018) [papier]
• ECM : "Machine de chat émotionnelle: génération de conversation émotionnelle avec mémoire interne et externe". AAAI (2018) [Papier] [Code]

? Retour en haut

Dialogue de recommandation et CRS

• TCP-Dial : "Suivez-moi: Planification de la conversation pour les systèmes de dialogue de recommandations axés sur la cible". arXiv (2022) [papier] [code]
• KERS : "Kers: un cadre amélioré des connaissances pour les systèmes de dialogue de recommandation avec plusieurs sous-objectifs". EMNLP-Findings (2021) [Paper] [Code]
• DURECDIAL2.0 : "Durecdial 2.0: un corpus parallèle bilingue pour la recommandation conversationnelle". EMNLP (2021) [Paper] [Code]
• DURECDIAL : "Vers la recommandation conversationnelle sur les boîtes de dialogue multi-type". ACL (2020) [Paper] [Code]
• TG-Redial : "Vers le système de recommandation conversationnel guidé par le sujet". Coling (2020) [papier] [code]
• Inspiré : "Inspiré: vers des systèmes de dialogue de recommandations sociables". EMNLP (2020) [Papier] [Données]
• Gorecdial : "Recommandation en tant que jeu de communication: jeu de bot auto-supervisé pour le dialogue axé sur les objectifs". EMNLP (2019) [Paper] [Code]
• CRS-Survey : "Une enquête sur les systèmes de recommandation conversationnelle". Enquêtes informatiques ACM (2021) [papier]
• CRS-Survey : "Progrès et défis dans les systèmes de recommandation conversationnels: une enquête". arXiv (2021) [papier]
• CRSLAB : "CRSLAB: une boîte à outils open source pour construire le système de recommandation conversationnel". arXiv (2021) [papier] [code]
• MESE : "Améliorer la qualité des systèmes de recommandation conversationnelle avec des méta-informations de l'élément contextuel". NAACL (2022) [Paper] [Code]
• C2-CRS : "C2-CRS: Apprentissage contrastif grossier à fin pour le système de recommandation conversationnel". WSDM (2022) [Paper] [Code]
• BotPlay : "Self-Supervised Bot Play for Conversational Recommendation with Justifications". arXiv(2021) [paper]
• RID : "Finetuning Large-Scale Pre-trained Language Models for Conversational Recommendation with Knowledge Graph". arXiv(2021) [paper] [code]
• CRFR : "CRFR: Improving Conversational Recommender Systems via Flexible Fragments Reasoning on Knowledge Graphs". EMNLP(2021) [paper]
• NTRD : "Learning Neural Templates for Recommender Dialogue System". EMNLP(2021) [paper] [code]
• CR-Walker : "CR-Walker: Tree-Structured Graph Reasoning and Dialog Acts for Conversational Recommendation". EMNLP(2021) [paper] [code]
• RevCore : "RevCore: Review-augmented Conversational Recommendation". ACL-Findings(2021) [paper] [code]
• KECRS : "KECRS: Towards Knowledge-Enriched Conversational Recommendation System". arXiv(2021) [paper]
• FPAN : "Adapting User Preference to Online Feedback in Multi-round Conversational Recommendation". WSDM(2021) [paper] [code]
• UNICORN : "Unified Conversational Recommendation Policy Learning via Graph-based Reinforcement Learning". SIGIR(2021) [paper] [code]
• KGSF : "Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion". KDD(2020) [paper] [code]
• CPR : "Interactive Path Reasoning on Graph for Conversational Recommendation". KDD(2020) [paper] [code]
• EAR : "Estimation-Action-Reflection: Towards Deep Interaction Between Conversational and Recommender Systems". WSDM(2020) [paper] [code]
• KBRD : "Towards Knowledge-Based Recommender Dialog System". EMNLP(2019) [paper] [code]
• ReDial : "Towards Deep Conversational Recommendations". NeurIPS(2018) [paper] [data]

? Back to Top

Knowledge-grounded Dialogue

• DOCTOR : "Dialogue Chain-of-Thought Distillation for Commonsense-aware Conversational Agents". EMNLP(2023) [paper] [code] [demo]
• GATE : "Well Begun is Half Done: Generator-agnostic Knowledge Pre-Selection for Knowledge-Grounded Dialogue". EMNLP(2023) [paper] [code]
• CONNER : "Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators". EMNLP(2023) [paper] [code]
• K-DIAL : "Improving Factual Consistency for Knowledge-Grounded Dialogue Systems via Knowledge Enhancement and Alignment". EMNLP-Findings(2023) [paper]
• GLM-Dialog : "GLM-Dialog: Noise-tolerant Pre-training for Knowledge-grounded Dialogue Generation". arXiv(2023) [paper] [code]
• RHO : "RHO (ρ): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding". ACL-Findings(2023) [paper] [code]
• MultiRefKGC : "There Is No Standard Answer: Knowledge-Grounded Dialogue Generation with Adversarial Activated Multi-Reference Learning". EMNLP(2022) [paper] [code]
• CorefDiffs : "CorefDiffs: Co-referential and Differential Knowledge Flow in Document Grounded Conversations". COLING(2022) [paper] [code]
• DTR : "Stylized Knowledge-Grounded Dialogue Generation via Disentangled Template Rewriting". NAACL(2022) [paper] [code]
• XDAI : "XDAI: A Tuning-free Framework for Exploiting Pre-trained Language Models in Knowledge Grounded Dialogue Generation". KDD(2022) [paper] [code]
• PersonaKGC : "There Are a Thousand Hamlets in a Thousand People's Eyes: Enhancing Knowledge-grounded Dialogue with Personal Memory". ACL(2022) [paper] [code]
• KI : "Lexical Knowledge Internalization for Neural Dialog Generation". ACL(2022) [paper] [code]
• DiffKG : "Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue Systems". ACL-Findings(2022) [paper] [code]
• KSAM : "KSAM: Infusing Multi-Source Knowledge into Dialogue Generation via Knowledge Source Aware Multi-Head Decoding". ACL-Findings(2022) [paper]
• MDSP : "Multi-Stage Prompting for Knowledgeable Dialogue Generation". ACL-Findings(2022) [paper] [code]
• FSB : "Few-Shot Bot: Prompt-Based Learning for Dialogue Systems". arXiv(2021) [paper] [code]
• P-GDG : "Exploring Prompt-based Few-shot Learning for Grounded Dialog Generation". arXiv(2021) [paper]
• KAT-TSLF : "A Three-Stage Learning Framework for Low-Resource Knowledge-Grounded Dialogue Generation". EMNLP(2021) [paper] [code]
• DIALKI : "DIALKI: Knowledge Identification in Conversational Systems through Dialogue-Document Contextualization". EMNLP(2021) [paper] [code]
• CoLV : "CoLV: A Collaborative Latent Variable Model for Knowledge-Grounded Dialogue Generation". EMNLP(2021) [paper]
• SKT-KG : "Augmenting Knowledge-grounded Conversations with Sequential Knowledge Transition". NAACL(2021) [paper]
• MSKE : "More is Better: Enhancing Open-Domain Dialogue Generation via Multi-Source Heterogeneous Knowledge". EMNLP(2021) [paper] [code]
• EARL : "EARL: Informative Knowledge-Grounded Conversation Generation with Entity-Agnostic Representation Learning". EMNLP(2021) [paper] [code]
• KGD-CF : "Increasing Faithfulness in Knowledge-Grounded Dialogue with Controllable Features". ACL(2021) [paper]
• SECE : "Space Efficient Context Encoding for Non-Task-Oriented Dialogue Generation with Graph Attention Transformer". ACL(2021) [paper] [code]
• MIKe : "Initiative-Aware Self-Supervised Learning for Knowledge-Grounded Conversations". SIGIR(2021) [paper] [code]
• GOKC : "Learning to Copy Coherent Knowledge for Response Generation". AAAI(2021) [paper] [code]
• KnowledGPT : "Knowledge-Grounded Dialogue Generation with Pre-trained Language Models". EMNLP(2020) [paper] [code]
• DiffKS : "Difference-aware Knowledge Selection for Knowledge-grounded Conversation Generation". EMNLP-Findings(2020) [paper] [code]
• DukeNet : "DukeNet: A Dual Knowledge Interaction Network for Knowledge-Grounded Conversation". SIGIR(2020) [paper] [code]
• CCN : "Cross Copy Network for Dialogue Generation". EMNLP(2020) [paper] [code]
• PIPM : "Bridging the Gap between Prior and Posterior Knowledge Selection for Knowledge-Grounded Dialogue Generation". EMNLP(2020) [paper]
• ConceptFlow : "Grounded Conversation Generation as Guided Traverses in Commonsense Knowledge Graphs". ACL(2020) [paper] [code]
• ConKADI : "Diverse and Informative Dialogue Generation with Context-Specific Commonsense Knowledge Awareness". ACL(2020) [paper] [code]
• KIC : "Generating Informative Conversational Response using Recurrent Knowledge-Interaction and Knowledge-Copy". ACL(2020) [paper]
• SKT : "Sequential Latent Knowledge Selection for Knowledge-Grounded Dialogue". ICLR(2020) [paper] [code]
• KdConv : "KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn Knowledge-driven Conversation". ACL(2020) [paper] [data]
• TransDG : "Improving Knowledge-aware Dialogue Generation via Knowledge Base Question Answering". AAAI(2020) [paper] [code]
• RefNet : "RefNet: A Reference-aware Network for Background Based Conversation". AAAI(2020) [paper] [code]
• GLKS : "Thinking Globally, Acting Locally: Distantly Supervised Global-to-Local Knowledge Selection for Background Based Conversation". AAAI(2020) [paper] [code]
• AKGCM : "Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs". EMNLP(2019) [paper] [code]
• DyKgChat : "DyKgChat: Benchmarking Dialogue Generation Grounding on Dynamic Knowledge Graphs". EMNLP(2019) [paper] [code]
• OpenDialKG : "OpenDialKG: Explainable Conversational Reasoning with Attention-based Walks over Knowledge Graphs". ACL(2019) [paper] [data]
• WoW : "Wizard of Wikipedia: Knowledge-Powered Conversational agents". ICLR(2019) [paper]
• PostKS : "Learning to Select Knowledge for Response Generation in Dialog Systems". IJCAI(2019) [paper] [code-1] [code-2]
• NKD : "Knowledge Diffusion for Neural Dialogue Generation". ACL(2018) [paper] [data]
• Dual Fusion : "Smarter Response with Proactive Suggestion: A New Generative Neural Conversation Paradigm". IJCAI(2018) [paper]
• CCM : "Commonsense Knowledge Aware Conversation Generation with Graph Attention". IJCAI(2018) [paper] [code-tf] [code-py]
• MTask : "A Knowledge-Grounded Neural Conversation Model". AAAI(2018) [paper]
• GenDS : "Flexible End-to-End Dialogue System for Knowledge Grounded Conversation". arXiv(2017) [paper]

? Back to Top

Task-oriented Dialogue

• P-ToD : "Personalizing Task-oriented Dialog Systems via Zero-shot Generalizable Reward Function". CIKM(2022) [paper]
• Dialogic : "Dialogic: Controllable Dialogue Simulation with In-Context Learning". EMNLP-Findings(2022) [paper] [code]
• KB-Adapter : "Injecting Domain Knowledge in Language Models for Task-Oriented Dialogue Systems". EMNLP(2022) [paper] [code]
• TacoBot : "Bootstrapping a User-Centered Task-Oriented Dialogue System". Proceedings of Alexa Prize TaskBot(2021) [paper]
• USDA : "User Satisfaction Estimation with Sequential Dialogue Act Modeling in Goal-oriented Conversational Systems". WWW(2022) [paper] [code]
• USS : "Simulating User Satisfaction for the Evaluation of Task-oriented Dialogue Systems". SIGIR(2021) [paper] [data]
• NS-Dial : "An Interpretable Neuro-Symbolic Reasoning Framework for Task-Oriented Dialogue Generation". ACL(2022) [paper] [code]
• GALAXY : "GALAXY: A Generative Pre-trained Model for Task-Oriented Dialog with Semi-Supervised Learning and Explicit Policy Injection". AAAI(2022) [paper] [code]
• PPTOD : "Multi-Task Pre-Training for Plug-and-Play Task-Oriented Dialogue System". arXiv(2021) [paper] [code]
• ToDCL : "Continual Learning in Task-Oriented Dialogue Systems". EMNLP(2021) [paper] [code]
• IR-Net : "Intention Reasoning Network for Multi-Domain End-to-end Task-Oriented Dialogue". EMNLP(2021) [paper]
• HyKnow : "HyKnow: End-to-End Task-Oriented Dialog Modeling with Hybrid Knowledge Management". ACL-Findings(2021) [paper] [code]
• DDMN : "Dual Dynamic Memory Network for End-to-End Multi-turn Task-oriented Dialog Systems". COLING(2020) [paper] [code]
• ToD-BERT : "ToD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogues". EMNLP(2020) [paper] [code]
• GraphDialog : "GraphDialog: Integrating Graph Knowledge into End-to-End Task-Oriented Dialogue Systems". EMNLP(2020) [paper] [code]
• MARCO : "Multi-Domain Dialogue Acts and Response Co-Generation". ACL(2020) [paper] [code]
• DF-Net : "Dynamic Fusion Network for Multi-Domain End-to-end Task-Oriented Dialog". ACL(2020) [paper] [code]
• MALA : "MALA: Cross-Domain Dialogue Generation with Action Learning". AAAI(2020) [paper]
• SGD : "Towards Scalable Multi-domain Conversational Agents: The Schema-Guided Dialogue Dataset". AAAI(2020) [paper] [data]
• CrossWOZ : "CrossWOZ: A Large-Scale Chinese Cross-Domain Task-Oriented Dialogue Dataset". TACL(2020) [paper] [code]
• MultiWOZ : "MultiWOZ - A Large-Scale Multi-Domain Wizard-of-Oz Dataset for Task-Oriented Dialogue Modelling". EMNLP(2018) [paper] [code]
• Neural Task-Oriented Dialogue : "Learning to Memorize in Neural Task-Oriented Dialogue Systems". MPhil Thesis(2019) [paper]
• GLMP : "Global-to-local Memory Pointer Networks for Task-Oriented Dialogue". ICLR(2019) [paper] [code]
• KB Retriever : "Entity-Consistent End-to-end Task-Oriented Dialogue System with KB Retriever". EMNLP(2019) [paper] [data]
• TRADE : "Transferable Multi-Domain State Generator for Task-Oriented Dialogue Systems". ACL(2019) [paper] [code]
• WMM2Seq : "A Working Memory Model for Task-oriented Dialog Response Generation". ACL(2019) [paper]
• Pretrain-Fine-tune : "Training Neural Response Selection for Task-Oriented Dialogue Systems". ACL(2019) [paper] [data]
• Multi-level Mem : "Multi-Level Memory for Task Oriented Dialogs". NAACL(2019) [paper] [code]
• BossNet : "Disentangling Language and Knowledge in Task-Oriented Dialogs ". NAACL(2019) [paper] [code]
• SDN : "Subgoal Discovery for Hierarchical Dialogue Policy Learning". EMNLP(2018) [paper]
• D3Q : "Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning". EMNLP(2018) [paper] [code]
• DDQ : "Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning". ACL(2018) [paper] [code]
• MAD : "Memory-augmented Dialogue Management for Task-oriented Dialogue Systems". TOIS(2018) [paper]
• TSCP : "Sequicity: Simplifying Task-oriented Dialogue Systems with Single Sequence-to-Sequence Architectures". ACL(2018) [paper] [code]
• Mem2Seq : "Mem2Seq: Effectively Incorporating Knowledge Bases into End-to-End Task-Oriented Dialog Systems". ACL(2018) [paper] [code]
• Topic-Seg-Label : "A Weakly Supervised Method for Topic Segmentation and Labeling in Goal-oriented Dialogues via Reinforcement Learning". IJCAI(2018) [paper] [code]
• AliMe : "AliMe Chat: A Sequence to Sequence and Rerank based Chatbot Engine". ACL(2017) [paper]
• KVR Net : "Key-Value Retrieval Networks for Task-Oriented Dialogue". SIGDIAL(2017) [paper] [data]

? Back to Top

Open-domain Dialogue

Long-term Dialogue

• THEANINE : "THEANINE: Revisiting Memory Management in Long-term Conversations with Timeline-augmented Response Generation". arXiv(2024) [paper]
• LD-Agent : "Hello Again! LLM-powered Personalized Agent for Long-term Dialogue". arXiv(2024) [paper] [code]
• CPD : "Position Debiasing Fine-Tuning for Causal Perception in Long-Term Dialogue". IJCAI(2024) [paper]
• TemporalMemory : "Toward Conversational Agents with Context and Time Sensitive Long-term Memory". arXiv(2024) [paper] [data]
• LoCoMo : "Evaluating Very Long-Term Conversational Memory of LLM Agents". ACL(2024) [paper] [data]
• Conversation Chronicles : "Conversation Chronicles: Towards Diverse Temporal and Relational Dynamics in Multi-Session Conversations". EMNLP(2023) [paper] [data]
• GapChat : "Mind the Gap Between Conversations for Improved Long-Term Dialogue Generation". EMNLP-Findings(2023) [paper] [data]
• UniMC : "UniMC: A Unified Framework for Long-Term Memory Conversation via Relevance Representation Learning". arXiv(2023) [paper]
• RS : "Recursively Summarizing Enables Long-Term Dialogue Memory in Large Language Models". arXiv(2023) [paper]
• MSC : "Beyond Goldfish Memory: Long-Term Open-Domain Conversation". ACL(2022) [paper] [data]

Response Generation

• Overview : "Open-domain Dialogue Generation: What We Can Do, Cannot Do, And Should Do Next". ACL-NLP4ConvAI(2022) [paper]
• Chirpy Cardinal : "Neural Generation Meets Real People: Building a Social, Informative Open-Domain Dialogue Agent". SIGDIAL(2022) [paper] [code] [project]
• TIL : "Towards Efficient Dialogue Pre-training with Transferable and Interpretable Latent Structure". EMNLP(2022) [paper]
• ProphetChat : "ProphetChat: Enhancing Dialogue Generation with Simulation of Future Conversation". ACL(2022) [paper]
• DialoFlow : "Conversations Are Not Flat: Modeling the Dynamic Information Flow across Dialogue Utterances". ACL(2021) [paper] [code]
• DiSCoL : "DiSCoL: Toward Engaging Dialogue Systems through Conversational Line Guided Response Generation". NAACL(2021) [paper] [code]
• DialogBERT : "DialogBERT: Discourse-Aware Response Generation via Learning to Recover and Rank Utterances". AAAI(2021) [paper]
• BlenderBot : "Recipes for Building an Open-Domain Chatbot". EACL(2021) [paper] [code]
• CDial-GPT : "A Large-Scale Chinese Short-Text Conversation Dataset". NLPCC(2020) [paper] [code]
• DialoGPT : "DialoGPT : Large-Scale Generative Pre-training for Conversational Response Generation". ACL(2020) [paper] [code]
• CG-Policy : "Conversational Graph Grounded Policy Learning for Open-Domain Conversation Generation". ACL(2020) [paper]
• PLATO-XL : "PLATO-XL: Exploring the Large-scale Pre-training of Dialogue Generation". arXiv(2021) [paper] [code]
• PLATO-2 : "PLATO-2: Towards Building an Open-Domain Chatbot via Curriculum Learning". ACL-Findings(2021) [paper] [code]
• PLATO : "PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variable". ACL(2020) [paper] [code]
• Guyu : "An Empirical Investigation of Pre-Trained Transformer Language Models for Open-Domain Dialogue Generation". arXiv(2020) [paper] [code]
• CL4Dialogue : "Group-wise Contrastive Learning for Neural Dialogue Generation". EMNLP-Findings(2020) [paper] [code]
• Neg-train : "Negative Training for Neural Dialogue Response Generation". ACL(2020) [paper] [code]
• HDSA : "Semantically Conditioned Dialog Response Generation via Hierarchical Disentangled Self-Attention". ACL(2019) [paper] [code]
• CAS : "Skeleton-to-Response: Dialogue Generation Guided by Retrieval Memory". NAACL(2019) [paper] [code]
• Edit-N-Rerank : "Response Generation by Context-aware Prototype Editing". AAAI(2019) [paper] [code]
• HVMN : "Hierarchical Variational Memory Network for Dialogue Generation". WWW(2018) [paper] [code]
• XiaoIce : "The Design and Implementation of XiaoIce, an Empathetic Social Chatbot". arXiv(2018) [paper]
• D2A : "Dialog-to-Action: Conversational Question Answering Over a Large-Scale Knowledge Base". NeurIPS(2018) [paper] [code]
• DAIM : "Generating Informative and Diverse Conversational Responses via Adversarial Information Maximization". NeurIPS(2018) [paper]
• REASON : "Dialog Generation Using Multi-turn Reasoning Neural Networks". NAACL(2018) [paper]
• STD/HTD : "Learning to Ask Questions in Open-domain Conversational Systems with Typed Decoders". ACL(2018) [paper] [code]
• CSF : "Generating Informative Responses with Controlled Sentence Function". ACL(2018) [paper] [code]
• DAWnet : "Chat More: Deepening and Widening the Chatting Topic via A Deep Model". SIGIR(2018) [paper] [code]
• ZSDG : "Zero-Shot Dialog Generation with Cross-Domain Latent Actions". SIGDIAL(2018) [paper] [code]
• DUA : "Modeling Multi-turn Conversation with Deep Utterance Aggregation". COLING(2018) [paper] [code]
• Data-Aug : "Sequence-to-Sequence Data Augmentation for Dialogue Language Understanding". COLING(2018) [paper] [code]
• DC-MMI : "Generating More Interesting Responses in Neural Conversation Models with Distributional Constraints". EMNLP(2018) [paper] [code]
• cVAE-XGate/CGate : "Better Conversations by Modeling, Filtering, and Optimizing for Coherence and Diversity". EMNLP(2018) [paper] [code]
• Retrieval+multi-seq2seq : "An Ensemble of Retrieval-Based and Generation-Based Human-Computer Conversation Systems". IJCAI(2018) [paper]
• DAM : "Multi-Turn Response Selection for Chatbots with Deep Attention Matching Network". ACL(2018) [paper] [code]
• SMN : "Sequential Matching Network: A New Architecture for Multi-turn Response Selection in Retrieval-Based Chatbots". ACL(2017) [paper] [code]
• CVAE/KgCVAE : "Learning Discourse-level Diversity for Neural Dialog Models using Conditional Variational Autoencoders". ACL(2017) [paper] [code]
• TA-Seq2Seq : "Topic Aware Neural Response Generation". AAAI(2017) [paper] [code]
• MA : "Mechanism-Aware Neural Machine for Dialogue Response Generation". AAAI(2017) [paper]
• VHRED : "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues". AAAI(2017) [paper] [code]
• HRED : "Building End-To-End Dialogue Systems Using Generative Hierarchical Neural Network Models". AAAI(2016) [paper] [code]
• RL-Dialogue : "Deep Reinforcement Learning for Dialogue Generation". EMNLP(2016) [paper]
• MMI : "A Diversity-Promoting Objective Function for Neural Conversation Models". NAACL(2016) [paper] [code]

? Back to Top

Dialogue Evaluation

• DialogBench : "DialogBench: Evaluating LLMs as Human-like Dialogue Systems". NAACL(2024) [paper] [code]
• ChatEval : "ChatEval: Towards Better LLM-based Evaluators through Multi-Agent Debate". arXiv(2023) [paper] [code]
• ACCENT : "ACCENT: An Automatic Event Commonsense Evaluation Metric for Open-Domain Dialogue Systems". ACL(2023) [paper] [code]
• LLMEval : "Understanding the Effectiveness of Very Large Language Models on Dialog Evaluation". IWSDS(2023) [paper]
• ChatEvalPlatform : "Don't Forget Your ABC's: Evaluating the State-of-the-Art in Chat-Oriented Dialogue Systems". arXiv(2022) [paper] [code]
• MDD-Eval : "MDD-Eval: Self-Training on Augmented Data for Multi-Domain Dialogue Evaluation". AAAI(2022) [paper] [code]
• Self-Eval : "SelF-Eval: Self-supervised Fine-grained Dialogue Evaluation". COLING(2022) [paper] [code]
• FineD-Eval : "FineD-Eval: Fine-grained Automatic Dialogue-Level Evaluation". EMNLP(2022) [paper] [code]
• FlowEval : "FlowEval: A Consensus-Based Dialogue Evaluation Framework Using Segment Act Flows". EMNLP(2022) [paper]
• IM2 : "IM^2: an Interpretable and Multi-category Integrated Metric Framework for Automatic Dialogue Evaluation". EMNLP(2022) [paper] [code]
• Q^2 : "$Q^{2}$: Evaluating Factual Consistency in Knowledge-Grounded Dialogues via Question Generation and Question Answering". EMNLP(2021) [paper] [code]
• QuantiDCE : "Towards Quantifiable Dialogue Coherence Evaluation". ACL(2021) [paper] [code]
• DynaEval : "DynaEval: Unifying Turn and Dialogue Level Evaluation". ACL(2021) [paper] [code]
• Review : "How to Evaluate Your Dialogue Models: A Review of Approaches". arXiv(2021) [paper]
• ConvLabEval : "Is Your Goal-Oriented Dialog Model Performing Really Well? Empirical Analysis of System-wise Evaluation". SIGDIAL(2020) [paper]
• FED : "Unsupervised Evaluation of Interactive Dialog with DialoGPT". SIGDIAL(2020) [paper] [code] [data]
• Spot-the-Bot : "Spot The Bot: A Robust and Efficient Framework for the Evaluation of Conversational Dialogue Systems". EMNLP(2020) [paper] [code]
• CMADE : "Beyond User Self-Reported Likert Scale Ratings: A Comparison Model for Automatic Dialog Evaluation". ACL(2020) [paper] [code]
• Coherence : "Dialogue Coherence Assessment Without Explicit Dialogue Act Labels". ACL(2020) [paper] [code]
• MAUDE : "Learning an Unreferenced Metric for Online Dialogue Evaluation". ACL(2020) [paper] [code]
• GRADE : "GRADE: Automatic Graph-Enhanced Coherence Metric for Evaluating Open-Domain Dialogue Systems". ACL(2020) [paper] [code]
• uBLEU : "uBLEU: Uncertainty-Aware Automatic Evaluation Method for Open-Domain Dialogue Systems". ACL(2020) [paper] [code]
• USR : "USR: An Unsupervised and Reference Free Evaluation Metric for Dialog Generation". ACL(2020) [paper] [code]
• ACUTE-EVAL : "ACUTE-EVAL: Improved Dialogue Evaluation with Optimized Questions and Multi-turn Comparisons". NIPS ConvAI Workshop(2019) [paper] [code]
• InteractiveEval : "Approximating Interactive Human Evaluation with Self-Play for Open-Domain Dialog Systems". NeurIPS(2019) [paper] [code]
• ChatEval : "ChatEval: A Tool for Chatbot Evaluation". NAACL(2019) [paper] [project]
• ADVMT : "One Ruler for All Languages: Multi-Lingual Dialogue Evaluation with Adversarial Multi-Task Learning". IJCAI(2018) [paper]

? Back to Top

Dialogue Misc.

• Signed-dialogue : "Generating Signed Language Instructions in Large-Scale Dialogue Systems". NAACL(2024) [paper] [data]
• Dialogue-KT : "Exploring Knowledge Tracing in Tutor-Student Dialogues". arXiv(2024) [paper] [code]
• MathDial : "MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems". EMNLP-Findings(2023) [paper] [data]
• EduChat : "EduChat: A Large-Scale Language Model-based Chatbot System for Intelligent Education". arXiv(2023) [paper] [code]
• ACT : "Learning to Clarify: Multi-turn Conversations with Action-Based Contrastive Self-Training". arXiv(2024) [paper]
• ReviewMT : "Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions". arXiv(2024) [paper] [code]
• WildChat : "WildChat: 1M ChatGPT Interaction Logs in the Wild". ICLR(2024) [paper] [data]
• DialOp : "Decision-Oriented Dialogue for Human-AI Collaboration". arXiv(2023) [paper] [code]
• DialogStudio : "DialogStudio: Towards Richest and Most Diverse Unified Dataset Collection for Conversational AI". arXiv(2023) [paper] [code]
• MPC : "Multi-Party Chat: Conversational Agents in Group Settings with Humans and Models". arXiv(2023) [paper] [code]
• SODA : "SODA: Million-scale Dialogue Distillation with Social Commonsense Contextualization". EMNLP(2023) [paper] [code]
• speaker-adaptation : "Speaking the Language of Your Listener: Audience-Aware Adaptation via Plug-and-Play Theory of Mind". ACL-Findings(2023) [paper] [code]
• SocialDial : "SocialDial: A Benchmark for Socially-Aware Dialogue Systems". SIGIR(2023) [paper] [data]
• BotsTalk : "BotsTalk: Machine-sourced Framework for Automatic Curation of Large-scale Multi-skill Dialogue Datasets". EMNLP(2022) [paper] [code]
• Dialogic : "Dialogic: Controllable Dialogue Simulation with In-Context Learning". EMNLP-Findings(2022) [paper] [code]
• ProsocialDialog : "ProsocialDialog: A Prosocial Backbone for Conversational Agents". EMNLP(2022) [paper] [code]
• MIC : "The Moral Integrity Corpus: A Benchmark for Ethical Dialogue Systems". ACL(2022) [paper] [code]
• MoralDial : "MoralDial: A Framework to Train and Evaluate Moral Dialogue Systems via Constructing Moral Discussions". arXiv(2022) [paper]
• DECODE : "I like fish, especially dolphins: Addressing Contradictions in Dialogue Modeling". ACL(2021) [paper] [code]

? Back to Top

Natural Language Generation

Survey on NLG

• CTG : "A Survey of Controllable Text Generation using Transformer-based Pre-trained Language Models". arXiv(2022) [paper]
• RTG : "A Survey on Retrieval-Augmented Text Generation". arXiv(2022) [paper]
• Hallucination : "Survey of Hallucination in Natural Language Generation". arXiv(2022) [paper]
• Evaluation : "A Survey of Evaluation Metrics Used for NLG Systems". arXiv(2020) [paper]

? Back to Top

NLG Theories and Techniques

• RED : "Decoder-Only or Encoder-Decoder? Interpreting Language Model as a Regularized Encoder-Decoder". arXiv(2023) [paper]
• LaMemo : "LaMemo: Language Modeling with Look-Ahead Memory". NAACL(2022) [paper] [code]
• PTG : "Learning to Transfer Prompts for Text Generation". NAACL(2022) [paper] [code]
• EISL : "Don't Take It Literally: An Edit-Invariant Sequence Loss for Text Generation". NAACL(2022) [paper] [code]
• CT-Loss : "A Simple Contrastive Learning Objective for Alleviating Neural Text Degeneration". arXiv(2022) [paper] [code]
• SimCTG : "A Contrastive Framework for Neural Text Generation". NeurIPS(2022) [paper] [code]
• CoNT : "CoNT: Contrastive Neural Text Generation". NeurIPS(2022) [paper] [code]
• Two-level-CL : "Keywords and Instances: A Hierarchical Contrastive Learning Framework Unifying Hybrid Granularities for Text Generation". ACL(2022) [paper]
• CLAPS : "Contrastive Learning with Adversarial Perturbations for Conditional Text Generation". ICLR(2021) [paper] [code]
• RetGen : "RetGen: A Joint framework for Retrieval and Grounded Text Generation Modeling". AAAI(2022) [paper] [code]
• RAG : "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks". NeurIPS(2020) [paper] [code]
• TextGAIL : "TextGAIL: Generative Adversarial Imitation Learning for Text Generation". AAAI(2021) [paper] [code]
• Latent-GLAT : " latent -GLAT: Glancing at Latent Variables for Parallel Text Generation". ACL(2022) [paper] [code]
• s2s-ft : "s2s-ft: Fine-Tuning Pretrained Transformer Encoders for Sequence-to-Sequence Learning". arXiv(2021) [paper] [code]
• EBM : "Exposure Bias versus Self-Recovery: Are Distortions Really Incremental for Autoregressive Text Generation?". EMNLP(2021) [paper]
• DiscoDVT : "DiscoDVT: Generating Long Text with Discourse-Aware Discrete Variational Transformer". EMNLP(2021) [paper] [code]
• DATG : "Data Augmentation for Text Generation Without Any Augmented Data". ACL(2021) [paper]
• JointGT : "JointGT: Graph-Text Joint Representation Learning for Text Generation from Knowledge Graphs". ACL-Findings(2021) [paper] [code]
• Embedding-Transfer : "Bridging Subword Gaps in Pretrain-Finetune Paradigm for Natural Language Generation". ACL(2021) [paper] [code]
• FastSeq : "EL-Attention: Memory Efficient Lossless Attention for Generation". ICML(2021) [paper] [code]
• BERTSeq2Seq : "Leveraging Pre-trained Checkpoints for Sequence Generation Tasks". TACL(2020) [paper] [code-tf] [code-py]
• ERNIE-GEN : "ERNIE-GEN: An Enhanced Multi-Flow Pre-training and Fine-tuning Framework for Natural Language Generation". IJCAI(2020) [paper] [code]
• DITTO : "Learning to Break the Loop: Analyzing and Mitigating Repetitions for Neural Text Generation". NeurIPS(2022) [paper] [code]
• Repetition-Problem : "A Theoretical Analysis of the Repetition Problem in Text Generation". AAAI(2021) [paper] [code]
• ENCONTER : "ENCONTER: Entity Constrained Progressive Sequence Generation via Insertion-based Transformer". EACL(2021) [paper] [code]
• POINTER : "POINTER: Constrained Progressive Text Generation via Insertion-based Generative Pre-training". EMNLP(2020) [paper] [code]
• Cascaded Generation : "Cascaded Text Generation with Markov Transformers". NeurIPS(2020) [paper] [code]
• SFOT : "Improving Text Generation with Student-Forcing Optimal Transport". EMNLP(2020) [paper]
• OT-Seq2Seq : "Improving Sequence-to-Sequence Learning via Optimal Transport". ICLR(2019) [paper] [code]

? Back to Top

Diffusion Models for NLG

• RenderDiffusion : "RenderDiffusion: Text Generation as Image Generation". arXiv(2023) [paper]
• Masked-Diffusion-LM : "A Cheaper and Better Diffusion Language Model with Soft-Masked Noise". arXiv(2023) [paper] [code]
• discrete-diffusion : "A Reparameterized Discrete Diffusion Model for Text Generation". arXiv(2023) [paper] [code]
• Difformer : "Difformer: Empowering Diffusion Models on the Embedding Space for Text Generation". arXiv(2023) [paper]
• GENIE : "Text Generation with Diffusion Language Models: A Pre-training Approach with Continuous Paragraph Denoise". arXiv(2022) [paper] [code]
• SED : "Self-conditioned Embedding Diffusion for Text Generation". arXiv(2022) [paper]
• SSD-LM : "SSD-LM: Semi-autoregressive Simplex-based Diffusion Language Model for Text Generation and Modular Control". arXiv(2022) [paper] [code]
• LD4LG : "Latent Diffusion for Language Generation". arXiv(2022) [paper] [code]
• DiffusionBERT : "DiffusionBERT: Improving Generative Masked Language Models with Diffusion Models". arXiv(2022) [paper] [code]
• DiffusER : "DiffusER: Discrete Diffusion via Edit-based Reconstruction". arXiv(2022) [paper] [code]
• SeqDiffuSeq : "SeqDiffuSeq: Text Diffusion with Encoder-Decoder Transformers". arXiv(2022) [paper] [code]
• DiffuSeq : "DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models". ICLR(2023) [paper] [code]
• Diffusion-LM : "Diffusion-LM Improves Controllable Text Generation". NeurIPS(2022) [paper] [code]
• D3PM : "Structured Denoising Diffusion Models in Discrete State-Spaces". NeurIPS(2021) [paper] [code]

? Back to Top

Controllable Generation

• ConGenBench : "Controllable Text Generation in the Instruction-Tuning Era". arXiv(2024) [paper] [code]
• GeLaTo : "Tractable Control for Autoregressive Language Generation". arXiv(2023) [paper]
• Cognac : "Controllable Text Generation with Language Constraints". arXiv(2022) [paper] [code]
• CriticControl : "Critic-Guided Decoding for Controlled Text Generation". arXiv(2022) [paper]
• LatentOps : "Composable Text Controls in Latent Space with ODEs". arXiv(2022) [paper] [code]
• FAST : "FAST: Improving Controllability for Text Generation with Feedback Aware Self-Training". arXiv(2022) [paper]
• DisCup : "DisCup: Discriminator Cooperative Unlikelihood Prompt-tuning for Controllable Text Generation". EMNLP(2022) [paper] [code]
• MultiControl : "A Distributional Lens for Multi-Aspect Controllable Text Generation". EMNLP(2022) [paper] [code]
• NADO : "Controllable Text Generation with Neurally-Decomposed Oracle". NeurIPS(2022) [paper] [code]
• Mix-Match : "Mix and Match: Learning-free Controllable Text Generation using Energy Language Models". ACL(2022) [paper] [code]
• ControlPrefix : "Controllable Natural Language Generation with Contrastive Prefixes". ACL-Findings(2022) [paper]
• MUCOCO : "Controlled Text Generation as Continuous Optimization with Multiple Constraints". NeurIPS(2021) [paper] [code]
• DExperts : "DExperts: Decoding-Time Controlled Text Generation with Experts and Anti-Experts". ACL(2021) [paper] [code]
• FUDGE : "FUDGE: Controlled Text Generation With Future Discriminators". NAACL(2021) [paper] [code]
• GeDi : "GeDi: Generative Discriminator Guided Sequence Generation". EMNLP-Findings(2021) [paper] [code]
• GDC : "A Distributional Approach to Controlled Text Generation". ICLR(2021) [paper] [code]
• CoCon : "CoCon: A Self-Supervised Approach for Controlled Text Generation". ICLR(2021) [paper] [code]
• PPLM : "Plug and Play Language Models: A Simple Approach to Controlled Text Generation". ICLR(2020) [paper] [code]
• CTRL : "CTRL: A Conditional Transformer Language Model for Controllable Generation". arXiv(2019) [paper] [code]

? Back to Top

Text Planning

• CoScript : "Distilling Script Knowledge from Large Language Models for Constrained Language Planning". ACL(2023) [paper] [code]
• RSTGen : "RSTGen: Imbuing Fine-Grained Interpretable Control into Long-FormText Generators". NAACL(2022) [paper]
• Time Control : "Language Modeling via Stochastic Processes". ICLR(2022) [paper] [code]
• PLANET : "PLANET: Dynamic Content Planning in Autoregressive Transformers for Long-form Text Generation". ACL(2022) [paper]
• EventPlan : "Event Transition Planning for Open-ended Text Generation". ACL-Findings(2022) [paper] [code]
• CETP : "Knowledge-based Review Generation by Coherence Enhanced Text Planning". SIGIR(2021) [paper]
• PlanGen : "Plan-then-Generate: Controlled Data-to-Text Generation via Planning". EMNLP-Findings(2021) [paper] [code]
• DYPLOC : "DYPLOC: Dynamic Planning of Content Using Mixed Language Models for Text Generation". ACL(2021) [paper] [code]
• Tree-PLAN : "Infobox-to-text Generation with Tree-like Planning based Attention Network". IJCAI(2020) [paper]
• ProphetNet : "ProphetNet: Predicting Future N-gram for Sequence-to-Sequence Pre-training". EMNLP-Findings(2020) [paper] [code]
• PAIR : "PAIR: Planning and Iterative Refinement in Pre-trained Transformers for Long Text Generation". EMNLP(2020) [paper] [code]
• SentPlan : "Sentence-Level Content Planning and Style Specification for Neural Text Generation". EMNLP(2019) [paper] [code]
• PHVM : "Long and Diverse Text Generation with Planning-based Hierarchical Variational Model". EMNLP(2019) [paper] [code]
• TwinNet : "Twin Networks: Matching the Future for Sequence Generation". ICLR(2018) [paper] [code]
• PAG : "Plan, Attend, Generate: Planning for Sequence-to-Sequence Models". NIPS(2017) [paper]

? Back to Top

Decoding Algorithms

• Speculative Decoding : "Speculative Decoding: Exploiting Speculative Execution for Accelerating Seq2seq Generation". EMNLP-Findings(2023) [paper] [code]
• Medusa : "Medusa: Simple Framework for Accelerating LLM Generation with Multiple Decoding Heads". Github(2023) [Blog] [code]
• Lookahead Decoding : "Breaking the Sequential Dependency of LLM Inference Using Lookahead Decoding". LMSYS Org(2023) [Blog] [code]
• Speculative Sampling : "Accelerating Large Language Model Decoding with Speculative Sampling". arXiv(2023) [paper]
• Speculative Decoding : "Fast Inference from Transformers via Speculative Decoding". ICML(2023) [paper] [code]
• Parallel Decoding : "Accelerating Transformer Inference for Translation via Parallel Decoding". ACL(2023) [paper] [code]
• EAD : "The Stable Entropy Hypothesis and Entropy-Aware Decoding: An Analysis and Algorithm for Robust Natural Language Generation". arXiv(2023) [paper] [code]
• Contrastive Search : "Contrastive Search Is What You Need For Neural Text Generation". TMLR(2023) [paper] [code] [blog]
• Momentum Decoding : "Momentum Decoding: Open-ended Text Generation As Graph Exploration". arXiv(2022) [paper] [code]
• Crowd Sampling : "Follow the Wisdom of the Crowd: Effective Text Generation via Minimum Bayes Risk Decoding". arXiv(2022) [paper] [code]
• RankGen : "RankGen: Improving Text Generation with Large Ranking Models". EMNLP(2022) [paper] [code]
• Contrastive Decoding : "Contrastive Decoding: Open-ended Text Generation as Optimization". arXiv(2022) [paper] [code]
• COLD : "COLD Decoding: Energy-based Constrained Text Generation with Langevin Dynamics". NeurIPS(2022) [paper] [code]
• Lattice : "Massive-scale Decoding for Text Generation using Lattices". NAACL(2022) [paper] [code]
• KID : "Knowledge Infused Decoding". ICLR(2022) [paper] [code]
• NeuroLogic A*esque : "NeuroLogic A *esque Decoding: Constrained Text Generation with Lookahead Heuristics". NAACL(2022) [paper] [code]
• NeuroLogic : "NeuroLogic Decoding: (Un)supervised Neural Text Generation with Predicate Logic Constraints". NAACL(2021) [paper] [code]
• DeLorean : "Back to the Future: Unsupervised Backprop-based Decoding for Counterfactual and Abductive Commonsense Reasoning". EMNLP(2020) [paper] [code]
• Top-p (Nucleus) Sampling : "The Curious Case of Neural Text Degeneration". ICLR(2020) [paper] [code]
• BP Decoding : "Blockwise Parallel Decoding for Deep Autoregressive Models". NIPS(2018) [paper]
• Disjunctive Constraints : "Guided Generation of Cause and Effect". IJCAI(2020) [paper] [code-huggingface]
• CGMH : "CGMH: Constrained Sentence Generation by Metropolis-Hastings Sampling". AAAI(2019) [paper] [code]
• DBS : "Directed Beam Search: Plug-and-Play Lexically Constrained Language Generation". arXiv(2020) [paper] [code]
• DBA : "Fast Lexically Constrained Decoding with Dynamic Beam Allocation for Neural Machine Translation". NAACL(2018) [paper] [code-official] [code-fairseq]
• GBS : "Lexically Constrained Decoding for Sequence Generation Using Grid Beam Search". ACL(2017) [paper] [code]

? Back to Top

NLG Evaluation

• Survey : "Leveraging Large Language Models for NLG Evaluation: A Survey". arXiv(2024) [paper]
• BBScore : "BBScore: A Brownian Bridge Based Metric for Assessing Text Coherence". AAAI(2024) [paper]
• GPTEval : "GPTEval: NLG Evaluation using GPT-4 with Better Human Alignment". arXiv(2023) [paper]
• GPTScore : "GPTScore: Evaluate as You Desire". arXiv(2023) [paper] [code]
• RoMe : "RoMe: A Robust Metric for Evaluating Natural Language Generation". ACL(2022) [paper] [code]
• EAD : "Rethinking and Refining the Distinct Metric". ACL(2022) [paper] [code]
• MID : "Mutual Information Divergence: A Unified Metric for Multimodal Generative Models". NeurIPS(2022) [paper]
• DiscoScore : "DiscoScore: Evaluating Text Generation with BERT and Discourse Coherence". arXiv(2022) [paper] [code]
• CTC-Score : "Compression, Transduction, and Creation: A Unified Framework for Evaluating Natural Language Generation". EMNLP(2021) [paper] [code]
• BLEURT : "BLEURT: Learning Robust Metrics for Text Generation". ACL(2020) [paper] [code]

? Back to Top