总目录 大模型相关研究：https://blog.csdn.net/WhiffeYF/article/details/142132328

https://arxiv.org/pdf/2107.07567

Facebook ACL2022新作：长期开放域对话

dataset：https://parl.ai/projects/msc/

打破“金鱼记忆”：长期开放域对话研究

速览

该论文《Beyond Goldfish Memory: Long-Term Open-Domain Conversation》发表于 ACL 2022，由 Facebook AI Research 的 Jing Xu、Arthur Szlam 和 Jason Weston 共同撰写。论文聚焦于长期开放域对话这一较少被研究的领域，旨在解决现有对话模型在处理长对话时的不足。

目前，尽管开放域对话模型取得了显著进展，但大多数模型的训练和评估都集中在短对话上，缺乏对长期对话情境的考量。该论文通过收集和发布一个多会话的人类对话数据集——Multi-Session Chat（MSC），来填补这一空白。MSC 数据集包含多个聊天会话，对话者在这些会话中逐渐了解彼此的兴趣，并在后续会话中继续讨论之前的话题。

研究发现，现有的标准编码器 - 解码器架构在长期对话设置中表现不佳，无论是自动评估还是人类评估都显示出较差的效果。为此，论文探索了两种能够处理长上下文的对话架构：一是检索增强型生成模型，二是基于读写记忆的模型，后者能够实时总结和存储对话内容。实验结果表明，这两种方法都优于传统的 Transformer 架构，且在自动指标和人类评估中都表现出色。

此外，论文还对不同模型架构进行了广泛的实验和消融研究，以揭示这些改进背后的原因，并发布了模型、数据和代码，以便其他研究人员进一步评估这一重要问题的进展。该研究不仅为长期开放域对话提供了新的数据资源，还为未来对话系统的发展提供了新的方向，特别是在如何更好地利用长期上下文和对话历史方面。