Teaching via natural language is an intuitive way for end users to add functionality to a virtual assistant, enabling them to personalize their assistant with new commands without requiring the intervention of the system developer, who cannot possibly anticipate all of an end user’s needs. In this paper we introduce our Learning by Instruction Agent (LIA), the first virtual assistant, for an email domain, that is capable of learning how to perform new commands taught by end users in natural language. LIA grounds the semantics of each command in terms of primitive executable procedures. When a user provides LIA with a command that it does not understand, it prompts the user to explain the command through a sequence of natural language steps. From this input, LIA learns the meaning of the new command and how to generalize the command to novel situations. For example, having been taught how to “forward an email to Alice”, it can correctly understand “forward this email to Bob”. We show that users that were assigned to interact with LIA completed the task quicker than users assigned to interact with a non-learning agent. These results demonstrate the potential of natural language teaching to improve the capabilities of intelligent personal assistants. We annotated 4759 natural language statements with their associated computer readable execution commands (logical forms) to form a dataset (which we publicize in this paper). We present the performance of several different parser methods on this dataset.

中文翻译：

---

学习新自然语言命令的代理

通过自然语言进行教学是最终用户向虚拟助手添加功能的一种直观方法，使他们能够使用新命令个性化助手，而无需系统开发人员的干预，因为系统开发人员可能无法预期最终用户的所有需求。在本文中，我们介绍了针对电子邮件域的第一个虚拟助手“通过指令代理学习（LIA）”，它能够学习如何执行最终用户以自然语言教授的新命令。LIA根据原始可执行过程为每个命令的语义打下基础。当用户向LIA提供它无法理解的命令时，它会提示用户通过一系列自然语言步骤来解释该命令。通过此输入，LIA学习了新命令的含义以及如何将命令推广到新颖的情况。例如，已经教过如何“将电子邮件转发给爱丽丝”，它可以正确地理解“将电子邮件转发给鲍勃”。我们显示，分配给与LIA进行交互的用户比分配给与非学习代理进行交互的用户更快地完成了任务。这些结果证明了自然语言教学在提高智能个人助理功能方面的潜力。我们用其关联的计算机可读执行命令（逻辑形式）注释了4759种自然语言语句，以形成数据集（我们在本文中进行了公开）。我们介绍了此数据集上几种不同解析器方法的性能。它可以正确理解“将此电子邮件转发给Bob”。我们显示，分配给与LIA进行交互的用户比分配给与非学习代理进行交互的用户更快地完成了任务。这些结果证明了自然语言教学在提高智能个人助理功能方面的潜力。我们用其关联的计算机可读执行命令（逻辑形式）注释了4759种自然语言语句，以形成数据集（我们在本文中进行了公开）。我们介绍了此数据集上几种不同解析器方法的性能。它可以正确理解“将此电子邮件转发给Bob”。我们显示，分配给与LIA进行交互的用户比分配给与非学习代理进行交互的用户更快地完成了任务。这些结果证明了自然语言教学在提高智能个人助理功能方面的潜力。我们用其关联的计算机可读执行命令（逻辑形式）注释了4759种自然语言语句，以形成数据集（我们在本文中进行了公开）。我们介绍了此数据集上几种不同解析器方法的性能。这些结果证明了自然语言教学在提高智能个人助理功能方面的潜力。我们用其关联的计算机可读执行命令（逻辑形式）注释了4759种自然语言语句，以形成数据集（我们在本文中进行了公开）。我们介绍了此数据集上几种不同解析器方法的性能。这些结果证明了自然语言教学在提高智能个人助理功能方面的潜力。我们用其关联的计算机可读执行命令（逻辑形式）注释了4759种自然语言语句，以形成数据集（我们在本文中进行了公开）。我们介绍了此数据集上几种不同解析器方法的性能。