摘要
构建智能对话系统的目标长期以来主要在两种范式下分别推进：任务导向型对话（Task-Oriented Dialogue, TOD）系统，专注于实现特定目标的功能；以及开放域对话（Open-Domain Dialogue, ODD）系统，侧重于非目标导向的闲聊交流。在实际对话中，这两种对话模式本可以自然地交织融合于同一会话之中，正如一位友好的人类助手所能做到的那样。这种能力对于对话代理而言极具价值，因为模式融合能够显著提升其可用性与实用性。本文致力于解决多轮对话中TOD与ODD融合的问题。基于广受认可的TOD数据集MultiWOZ，我们构建了一个全新的数据集FusedChat：通过对原有TOD对话轮次进行重写，并新增大量ODD对话轮次，从而生成包含两种对话模式交互的对话会话。该数据集具有跨模式上下文依赖的特性，即两种模式的对话轮次彼此相互依赖。此外，数据集中还包含丰富的语义依赖模式，如指代消解（co-reference）和省略（ellipsis）等。FusedChat共包含6万条人工撰写的ODD轮次和5000条重写的TOD轮次，为评估对话模型在跨模式对话中的表现提供了一个新的基准。这一任务更具挑战性，因为模型不仅需要判断当前应采用何种对话模式，还需基于跨模式上下文生成恰当回应。然而，具备此类能力的模型更接近人类水平的对话能力。我们在该任务上对多种基线模型进行了评估，包括基于分类的两阶段模型以及一体化融合模型（two-in-one fused models）。我们已将FusedChat数据集及所有基线模型公开发布，以推动未来在跨模式对话系统领域的研究进展。相关资源可访问：https://github.com/tomyoung903/FusedChat。