會話式AI已成為跨行業業務實踐的組成部分。越來越多的公司正在利用聊天機器人為客戶服務，銷售和營銷帶來的優勢。

即使聊天機器人已成為領先企業的“必備”資產，但其性能仍然與人類相去甚遠。來自主要研究機構和技術領導者的研究人員已經探索了各種方法，可通過增加響應的多樣性，實現情緒識別，提高其跟蹤對話的長期能力，確保保持一致的角色來提高對話系統的性能。等

我們搜索了2019年發表的重要的對話式AI研究論文，向您介紹了在面向任務和開放域對話系統中都設置了最新技術的前10名。

過度依賴域本體和缺乏跨域知識共享是對話狀態跟蹤的兩個實際但尚未研究的問題。現有方法通常在推理期間無法跟蹤未知時隙值，并且常常難以適應新領域。在本文中，我們提出了一種可轉移的對話狀態生成器（TRADE），該函數使用復制機制從發聲中生成對話狀態，從而在預測訓練期間未遇到的（三元組，時段，值）三元組時促進知識的傳遞。

我們的模型由發聲編碼器，插槽門和狀態生成器組成，它們在域之間共享。經驗結果表明，對于人與人對話數據集MultiWOZ的五個域，TRADE的最新聯合目標準確度達到48.62%。此外，我們通過模擬未看到域的零鏡頭和幾鏡頭對話狀態跟蹤來顯示其傳輸能力。

TRADE在零射門領域之一中達到了60.58%的聯合目標精度，并且能夠適應少射情況，而不會忘記已經受過訓練的領域。