本研究提出了PrefEval基准，用于评估大型语言模型（LLMs）在长对话中推断、记忆和遵循用户偏好的能力。经过PrefEval微调后，LLMs在个性化响应方面的性能显著提升，推动了个性化对话代理的发展。

本研究提出了一种创新方法，利用大型语言模型（LLMs）作为解析器，以提升对话代理的理解和可靠性。开发的聊天机器人在理解人类对话方面表现优异，未来将继续扩展和训练其能力。

本研究提出了MTPChat数据集，旨在解决对话代理缺乏时间感知和角色基础数据集的问题。该数据集结合语言、视觉和时间元素，以评估模型理解时间线索的能力，实验结果验证了其有效性。

本文探讨了人工智能对话代理的研究进展，特别是深度学习在教育中的应用。研究表明，AI驱动的聊天机器人能够提升学习体验，促进学生参与，并通过新型对话策略提高对话质量。此外，提出的框架和方法为教育对话的个性化和伦理安全提供支持，推动了教育AI领域的发展。

本文介绍了一种将大型语言模型与可解释的人工智能和对话代理相结合的方法，用于及时检测社交媒体上的抑郁症状。该方法集成了BERTweet和BERT-XDD模型，实现了解释能力和分类，并利用ChatGPT将技术解释转化为可读性强的评论，提高了可解释性。该方法为抑郁症检测提供了一种有效的模块化方法，有助于早期干预和支持心理健康挑战。

本论文提出了一个初步实现的对话管理器，将视觉能力整合到对话代理中，以增强基于文本的提示与实时视觉输入。该系统的提示工程结合了对图像的对话与摘要，平衡了上下文保留和计算效率。通过实现视觉使能的对话系统，展望了无缝融合文本和视觉模态的丰富、上下文感知的对话。

本文介绍了一种创新的交互式机器人系统的设计与开发，利用角色驱动的对话代理，通过非语言交互与来宾进行互动，提供沉浸感和互动性的体验。通过用户实验研究，考察了用户在基于电影角色的人设条件下认出预期角色的能力。讨论了人设在交互代理中的作用和创建引人入胜的用户体验需要考虑的因素。

该论文介绍了一种增强了GPT-4等语言模型与对话代理整合的先进架构RAISE，具有双组件记忆系统，提高了代理在复杂对话中的可控性和适应性。初步评估结果显示RAISE在房地产销售中比传统代理有优势，具有广泛应用潜力。该研究为开发上下文感知和多用途的对话代理提供了强大框架，对人工智能领域有贡献。

该论文提出了一种考虑外部知识和个性的对话代理，通过检索增强生成和知识个性增强查询来生成话语，实现了更少幻觉和更有吸引力的对话。该模型在自动指标上达到了最先进的性能，并通过人类评估和定性结果证明了模型对话的幻觉和吸引力，验证了检索的有效性。