在对话中，一般的回应（例如``我不知道''）可能对应于各种各样的输入话语。 以前的生成式会话模型通常采用单个模型来学习不同话语-应答对之间的关系，因此倾向于倾向于频繁出现的一般和琐碎的应答。 为了解决这个问题，我们提出了一种新颖的受控React产生机制，以根据特异性处理不同的发声-React关系。 具体来说，我们将明确的特异性控制变量引入到序列到序列模型中，该模型通过高斯内核层与单词的用法表示进行交互，以指导模型生成不同特异性级别的响应。 我们描述了两种方法来获取学习中的特异性控制变量的远距
