arXiv 自然语言处理· Zanwu Liu, Dan Zhang, Xiaodi Wang, Yongbo Mao, Xiaoyang Guo, Yonglin Wu, Peiyue Jiang, Yangyang Wei, Zecheng Lin·· 5 小时前AI 评分35
告别顺从型用户训练：面向主动对话的心智化对抗自我博弈框架 MASP
Stop Training Against Soft Users: Mentalized Adversarial Self-Play for Proactive Dialogue
AI 导读
研究人员提出心智化对抗自我博弈框架 MASP，将主动对话建模为系统与理性抵触用户之间的部分可观察博弈。该框架利用基于 BDI 的潜状态表示用户演变的心智状态，分离奖励端教师心智化与策略端学生心智化，并交替进行自我博弈更新。在主动对话基准测试中，MASP 相比 SFT 和仅规划器方法大幅提升了成功率与理性约束成功率，减少了平均轮数。
来源：arXiv 自然语言处理 · arxiv.org