「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

随着人工智能和对话技术的发展，多领域人机对话系统已广泛应用于各类在线服务场景，如订餐、订票、打车、旅游线路查询、新闻查询推荐等。由于用户需求复杂，需要进行多轮陈述，还可能在对话过程中不断修改或完善需求。因此，通过对话状态追踪（Dialog State Tracking）来确定用户目标，是辅助对话策略决策的一个关键步骤。

基于寿险业务场景需求，平安人寿 AI 团队重点攻关对话式机器人技术，自主研发多款业界领先 AI 应用。凭借在对话系统方面的技术积累以及丰富的业务场景应用经验，团队在“第八届对话系统挑战赛（DSTC 8）”中，斩获包括“基于 Schema 的对话状态追踪”在内的三项任务评测世界第一。该任务要求解决对话系统的状态追踪问题，难点在于 zero-shot learning 缺乏训练语料，是业界公认的难题。

团队提出了基于机器阅读理解技术的状态追踪算法框架 paDST（Dialogue State Tracking as Machine Reading Comprehension)，创新性运用完全端到端的 MRC-DST 和 WD-DST 模型，来完成整个对话追踪任务。结合大规模语料预训练的 XLNet 模型和 roBERTa 模型来实现对话状态追踪，最终实现准确率达到 86.53%，取得第一名佳绩。

本次直播将围绕该竞赛方案进行详细解读。

赛事简介：对话系统挑战赛 DSTC 由微软、卡内基梅隆大学的科学家于 2013 年发起，旨在带动学术与工业界在对话技术上的提升，在对话领域具有极高的权威性和知名度。平安人寿 AI 团队在 DSTC 8 中斩获“基于 Schema 的对话状态追踪”、“端到端的问答预测”以及“面向多领域端到端对话系统”三项赛事世界第一，并受邀在 AAAI 2020 workshop 发表论文。

直播信息

分享主题：DSTC 8“基于 Schema 的对话状态追踪”竞赛冠军方案解读

分享时间：2020 年 6 月 18 日（周四）19:00

课程提纲：

• 任务介绍

• 对话追踪槽位分析

• MRC-DST 与 WD-DST 介绍

• 实验结果与分析

• 总结和 DST 展望

课程亮点：

• 创新性使用端到端的阅读理解模型解决不可枚举槽追踪问

• 联合 RoBERTa 和特征工程，将 Wide & Deep 思想用于解决可枚举槽追踪问题

• 大规模预训练模型在 DSTC 8 应用中的一些 Trick

嘉宾介绍

 马跃 / 平安人寿高级算法工程师 

马跃，平安人寿人工智能研发团队高级算法工程师，本硕毕业于北京邮电大学，主要研究方向为自然语言处理、人机对话系统。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。