计算机科学与技术学院 社会计算与信息检索研究中心 人机对话关键技术及挑战 本科生 对话理解与对话生成 对话主导 朱才海 冯梓娴 推荐主导 胡景雯 一致性 张家乐 张开颜 连贯性 个性化 多样性 朱庆福 马龙轩 宋皓宇 刘元兴 李凌志 多轮建模 朱泽圻 风格化 Conversational Intelligence (CI) 张伟男副教授 对话式推荐 个人简介 HIT-SCIR 博士生 硕士生 智能人机对话系统“笨笨” • HIT-SCIR-CI 组主导研发 • 平台 • 微信公众号： 2016 年 6 月 6 日上线 • 实体机器人 • 主要功能 • 闲聊 • 问答 • 任务型对话 • 推荐 3 笨笨系统结构 6 “ 任务执行”示例 7 “ 推荐”示例 8 笨笨访问统计 9 智能人机对话系统“笨笨” 10 • 主办方 • 中国中文信息学会 (CIPS) • 承办方 • 哈尔滨工业大学社会计算与信息检索研究中心 • 科大讯飞 ( 数据支持 ) • 赞助方 • 华为公司 中文人机对话技术评测 (SMP-ECDT III) 11 SMP ECDT III 委员 会

的 是，在交互方式上，口语面授是主流的、学生习以为常的教学交互方式，而AIGC技术的独特之处也在于多轮自然语言交互能力，有来有 回的问答式相比于知识的单向灌输，更接近孔子《论语》的对话体教学，也更接近苏格拉底的启发式对话教学模式。 注： 这里指狭义上的教育，即知识传授等“教书”问题，品德培养等“育人”效果不在此处讨论范围内。 来源：公开资料，艾瑞咨询研究院自主研究及绘制。 教学内容分门别类，以适应现代社会 内容标准化 教学内容 一般情况下，师生通过讲解、沟通等 较为成熟的语言问答进行知识的传授 和教学互动 口语交互 有来有回的多轮交互，更接近教育的 真实过程，如孔子《论语》的对话体， 苏格拉底启发式对话教学模式 自然语言交互 交互自然化 交互方式 按照合理的师生比例、不同阶段学生 的学习进度，进行分级、分班教学， 解决师生资源矛盾 分班、分级教学 大规模的因材施教，更高效地解决师 实验数据分析和预测耗时冗长，可达月余 将大量文档提供给AI以帮助快速阅读理解，做好文献综述 写作前 • 与AI交互进行头脑风暴，获取灵感 • AI辅助研究人员进行多维度的数据分析处理，大大压 缩数据分析时间 • 与AI多轮对话进行翻译，润色、修改论文表述； • 提供文本及数据描述，AI生成可视化图表； 写作/ 实验中 用户提供引文格式和数据，对AI进行训练后，可根据用户 需求，批量生成标准化引文 写作后 AIGC应用前

pretrain + finetune 参数：未公开 特点：输入扩展到图片，更长文字输入，信息可靠性及安全性大幅提 升 人工对齐 强化学习 数据： + 更多的对话语料 模型： GPT-3.5 + 强化学 习 参数： 175 B 特点：对话理解能力提升 数据：未公开 模型： GPT 4 + 多模 态 规模进一步增大 in-context learning 规模增大 Prompt 预训 5%+ 实验室数据仅供参考 2 6 产品能力 l 重点行业模型 l 对话：意图理解准确 l 对话：多轮对话（上下文） l 对话：知识库匹配 l 知识库：问题 / 相似问生成 l 知识库：基于数据 / 资料，生 成知识和答案 l 对话生成：客户未维护的问 题 / 多意图，自动生成答案； l 对话生成：通用知识和答案 生 成，用于兜底 腾讯云智能客服基于领域大模型，增 腾讯云智能客服基于领域大模型，增强语言理解和问答生成，解决客服的数据生产高、跨场景适配差的问题，提供精准高质量的智能对话服务，加速 渗 透 大模型在智能客服应用案例 为客户服务和营销 降本增效 客户服务成本下降 接待 / 销售效率的提 升 文本客 服 bot 电话客 服 bot 智能辅 助 bot 会话分 析 基础能力 场景价值 2 7 • 客户痛点 1. 客服人力不足；

显性教育 学科辅导 、技能训练（编程 / 乐器） 、规则制定（作息时间） 。 隐性教育 家庭文化（餐桌礼仪） 、情感联结（亲子共读） 、价值观渗透（家长以身作则） 。 4. 系统方法 沟通方式 对话与倾听（非暴力沟通） 、非语言互动（拥抱鼓励） 。 激励与约束 正向强化（积分奖励） 、负向反馈（暂停特权） 。 参与模式 共同活动（家庭运动日） 、自主探索（提供实验工具） 。 5. 环境与资源 启发表达优化思维 提升语言应用能力而非机 械纠错 智能润色系统（案例 2 ） ： 分析语法错误， 提 供 高级表达替代方案 单向讲述历史事件 构建沉浸式学习体验 增强记忆深度与兴趣 时空穿越对话（案例 3 ） ： 通过第一视角叙事 还 原历史场景 命题作文框架指导 激发多维度创作灵感 突破思维局限， 培养观察 力 思路过程生成（案例 4 ） ： 基于关键词联想感 官 与情感维度 构建理论的理论框架——理论构建学 n 基于 AI 模拟的文明冲突仿真实验研究 A I 课程作业： 新术启教 技融学 途 n 基于 Suno 制作的游戏 Boss 音乐 n 基于 AI 对话的文学作品二次创作 n 基于 AI 的群体智能对话： 派对之夜 函数 I 将原有理论 T 、评估向 量 V 和基础知识和现象集合 C 映射到一个新的或改进的理论 T ′ ，这表示基于多维度的评 估结果对原理论进行修正和完善

百度智能客服实践和展望 王巍巍 百度智能云智能客服总经理 “ 听”：语音识别 “ 看”：人脸 &OCR “ 读”：自然语言处理 “说”：语音合成 学习：深度学习 对话：会话中控 预测：画像分析 人机交互 机器辅助 智能技术在金融科技领域带来三新变化 新感知 新认知 新交互 了解个人和企业客户——快、准、全 赋能金融行业各个场景 效率、满意度、场景 服务行业客户，做最落地的智能客服 电信运营商 教育 理财 理财 银行 通信 电商 信用卡办理 客诉处理 流程办理 业务办理 用户关怀 智能服务 航空 营 销 服 务 . 全栈企业级对话产品矩 阵 . 金融行业垂直的解决方 案 . 成就客户的实践方法 助 力 企 业 客 户 营 销 与 服 务 闭 环 打 造 销售转化 客诉处理 意向筛选 流程办理 业务咨询 商机挖掘 Speech NLP KG SMS IM Voice 隐私号 5.0 的智能核心 对话机器人 智能知识库 智能语音 智能质检 …… 智 能 服 务 平 台 产 品 矩 阵 全 景 图

案，那么有这个能力的大模型就是推理大 模型。推理模型的核心在于处理那些需要 多步骤逻辑推导才能解决的复杂问题。 推理模型的核心 1.4 大模型的分类 n 推理大模型DeepSeek R1的对话效果 1.4 大模型的分类 Sebastian Raschka博士（Lightning AI的首席教育学家）： 将“推理”定义为通过生成中间步骤来回答复杂问题的过程 2个简单的例子： 非推理问题： 型。它是基于Transformer架构，经过大量文本数据训练而成，能够生成自然、 流畅的语言，并具备回答问题、生成文本、语言翻译等多种功能 ChatGPT的应用范围广泛，可以用于客服、问答系统、对话生成、文本生成等领域。它能够理解人类语言，并能够回答各 种问题，提供相关的知识和信息。与其他聊天机器人相比，ChatGPT具备更强的语言理解和生成能力，能够更自然地与人 类交流，并且能够更好地适 ，在数学、代码 和推理任务上可与OpenAI o1媲美。 DeepSeek创始人 梁文峰 2.2 国内的大模型产品 n 通义千问 通义千问是阿里云推出的一个超大规模的语言模型，它具备多轮对话、文 案创作、逻辑推理、多模态理解、多语言支持的能力。通义千问这个名字 有“通义”和“千问”两层含义，“通义”表示这个模型能够理解各种语 言的含义，“千问”则表示这个模型能够回答各种问题。通义千问基于深

........................................................................... 16 图 34： Infinix 推出多语言对话能力 AI 向导 ................................................................................. 16 图 35： 性化 PPT，同时智能生 成朗读语言助力 PPT 演示。Teams Premium ChatGPT 同样具有多样智能服务：1）自动 提供实时翻译；2）自动生成文本型会议纪要；3）自动记录发言人员对话和内容；4）根 据讨论上下文自动生成任务等。 图6：ChatGPT+Bing 图7：Teams Premium 生成任务 数据来源：Bing，东吴证券研究所 数据来源：O365，东吴证券研究所 还表示将很快推出 Android 版 ChatGPT 应用。 2023 年 5 月 11 日，谷歌在 I/O 大会上发布 Android14，首次引入魔法撰写（Magic Compose，在消息和对话中使用，以不同的风格重写文本，通过 AI 修饰语言）、生成式 AI 壁纸（Generative AI Wallpapers，可选择各种风格和关键词，来生成高清图片）等功 能，预计未来 AI 技

打开上述官网链接，在首页中找到 “开始对话” 按钮，点击进入注册页面。 图 3-2 注册页面 10 选择验证码登录或密码登录，填写完上述信息后，点击 “登录” 按钮。此时， 10 您注册的手机号会收到一封包含验证码的信息，将验证码填入注册页面相应位 置， 完成验证后即注册成功。 在正式上手使用前，先对界面进行基本认识。界面左侧为历史对话区域， 右侧是主体部分。输入框集成 deepseek-r1:8b 模型。下载过程中， 会显示下载进度和相关信息，下载 时间取决于你的网络速度和模型大小。 17 图 3-13 安装 DeepSeek-R1:8b 模型 图 3-14 模型对话测试 3.2.3 安装 AnythingLLM AnythingLLM 是一款全栈应用程序，能将各类文档、资源转化为大语言模 型 （LLM）可利用的背景信息，支持多用户管理、多模态以及多种文档格式。 嵌入向量数据库 配置模型连接 ：在 AnythingLLM 界面左下角 点击 “扳手” 图标，进入设置 页面。在 “LLM 首选项” 中，选择 Ollama 作为对话模型（因为部 署的是 Ollama 本 地 实 例 ）， 并 配 置 DeepSeek 的 IP 地 址 （ 一 般 本 地 运 行 时 为 http://127

............................................................................ 34 字节跳动：豆包大模型赋能内部业务，对话助手“豆包”用户数量居前 ......................................................... 34 商汤：“云、边、端”全栈大模型，5.0 版本对标 化方式来处理和回复用户输入，可以模拟人类对话，通过文字或语音与用户进行实时交互。 2010 年代，随着 NLP 等技术的发展，Chatbot 已经在客服、营销、企业信息服务等领域得 到了广泛应用。然而，由于语言理解及生成能力有限，因此 Chatbot 的落地范围局限在 B 端特定服务型场景，并未诞生具有广泛影响力的 C 端产品。2022 年 12 月，ChatGPT 在文 本生成、代码生成与修改、多轮对话等领域展现了大幅超越过去 AI 大模型时代。此后，Chatbot 作为 C 端用户体验大模型门槛最低的 产品，成为大模型厂商的“标配”，谷歌 Bard、百度文心一言、阿里通义千问等产品在 2023 年纷纷推出。 在文字对话功能之外，Chatbot 功能随着 AI 大模型能力的发展而迅速丰富。过去一年，我 们看到，各大模型厂商的 Chatbot 产品普遍新增了图像理解、文生图功能，并且新增应用 插件商店以拓展 Chatbot

检索式 BI 核心技术：基于检索的 NL2SQL 技术缺陷：无语义理解 第一代对话式 BI 核心技术： NL2SQL （规则模 型） 技术缺陷：精度低、配置成本 高、意图理解弱 第二代对话式 BI 核心技术： NL2SQL （规则模型 + 深度 模型） 技术缺陷：精度低、需要训练模型 第三代对话式 BI 核心技术： NL2DSL （规则模型 + 大 模型） 技术优势：数据可信、生成可控、可