本文介绍了一种开放领域对话生成技术，提出了multi-source Wizard of Wikipedia（Ms.WoW）评估基准，用于评估多源对话的知识选择和生成。文章还提出了一个新挑战，即在零样本条件下测试模型使用新知识来源的能力。

本研究分析大型语言模型在知识冲突时的信息依赖，发现模型能识别冲突信号，区分上下文知识和参数知识，为知识选择提供新方法。

本文提出了SpARE方法，通过预训练的稀疏自编码器，在推理时有效控制知识选择，解决了大型语言模型中上下文与参数化知识冲突的问题，显著提升了开放领域问答任务的性能，超越了现有技术。

本研究提出一个新框架，通过对话政策驱动，结合发言功能和主题转移意图，提升文档导向对话中的知识选择与响应生成效果，并在多个基准测试中表现出色。

该文章介绍了一种基于对话上下文和外部知识的知识驱动对话系统，通过引入主题转换框架来提供充足的主题发展知识。实验结果显示，该系统在知识选择方面具有更好的优势和泛化能力。