PRIN 2022 招标公告。2022年2月2日第104号决定

项目名称： CAMEO - 对话式智能体：掌握、评估、优化

CODICE CUP:  D53D23008920006

预算： € 77.794,00

项目负责人或单位负责人： Tommaso Di Noia

其他研究单位或可能的子单位： 
UNIPD - 帕多瓦大学 
CNR - 国家研究委员会 
POLIBA - 巴里理工大学 
ROMA1 - 罗马第一大学“萨皮恩扎”

项目简要说明
对话式智能体如今已广泛应用于聊天机器人、智能手机以及 Google Home、Alexa 和 Siri 等智能家居设备。然而，它们在支持自然、引人入胜且具备上下文感知能力的实时交互方面仍面临困难。 
CAMEO 项目通过利用用户上下文作为内部知识来源来应对这些局限，捕获来自过往交互的信息并将其与领域知识相融合。这使得对话管理、查询应答、个性化检索和推荐更加有效。 

目的
CAMEO 的一项关键贡献是在统一框架内整合了检索与推荐，并改进了评估方法，以更好地理解和优化对话式智能体的行为。 

预期成果
用于查询词库的语义搜索引擎定义，该引擎将能够检索词条并分析其语义演变，突出显示统计信息，例如某一术语随时间变化的频率、术语含义的变化以及更多共现术语。查询词库将有助于追溯并突出法国两次世界大战之间所发生的文化反映。该词库将以开放获取方式提供。 
传播活动包括一场国际会议，届时将展示研究成果，并随后在开放获取期刊上发表会议论文集。该项目还包括广泛的公众参与活动，例如高等教育领域的讲座和暑期学校。

已取得的成果 （对于正在进行中的、属于滚动资助的 PRIN 2022 项目，本部分将不予填写）
该项目成功建立了一种联合对话式检索与推荐的新范式，将基于目录的推荐与开放域检索相结合，并推进了对话系统的理论基础。其一项关键成果是开发并发布了 CosRec，这是首个专门为联合对话式检索与推荐设计、并由人工标注的数据集，为未来研究提供了独特且可复现的基准。 
该项目还为将对话系统与新兴的大型语言模型（LLMs）相结合奠定了基础，强调了它们作为自然语言接口的潜力以及在个性化和可靠性方面的当前局限。通过将对话代理建立在结构化知识来源之上，该项目为未来发展提供了坚实基础。总体而言，这些成果显著推动了该领域的前沿发展，并为对话式检索与推荐系统的持续演进提供了关键资源和方向。