arXiv 自然语言处理· Juan Li, Fangshu Chang, Xinyi Jiang, Ling Huang, Yunzhang Chen·· 9 小时前AI 评分33
ProfileSim：基于分层奖励强化学习的画像驱动任务型对话用户模拟
Profile-Driven User Simulation via Reinforcement Learning with Hierarchical Rewards for Task-Oriented Dialogues
AI 导读
研究人员提出金融营销外呼用户模拟框架 ProfileSim，联合建模人口统计特征、大五人格与业务意图，并通过具备分层奖励的 GRPO 算法进行策略优化。该框架搭配集成 SOP 约束与 RAG 的客服 Agent，取得了最高的口语自然度与用户画像依从度，旨在支持意图识别训练、Agent 评估与冷启动部署。
来源：arXiv 自然语言处理 · arxiv.org