本文介绍了一种无监督对话嵌入学习方法，利用自我导向的对比学习显著提升了对话互动模式的捕捉能力。研究结果表明，该方法在多个基准数据集上优于现有技术，推动了对话分割和主题分析的进展。

该文介绍了一种结合对话分割和状态跟踪的方法，用于处理基于大语言模型的聊天系统中的复杂性，并提高跟踪性能。该方法通过引入一种新的基于先前分析的回忆的接地机制来改善对长对话上下文的跟踪，并在多个数据集和设置中得到了出色的表现。