由于任务型对话系统在人机交互和自然语言处理中的重要意义和价值,越来越受到学术界和工业界的重视。在这篇论文中,我们以一个具体问题的方式综述了最近的进展和挑战。我们讨论三个关键主题面向任务对话框系统: (1)提高数据效率促进对话系统建模在资源匮乏的设置,(2)建模多轮动态对话框策略学习获得更好的完成任务的性能,和(3)将领域本体知识集成到模型在管道和端到端模型所示的对话框。本文还综述了近年来对话评价的研究进展和一些被广泛使用的语料库。我们相信这项综述可以为未来面向任务的对话系统的研究提供一些启示。