研究团队提出主动对话自博弈框架MASP

2026年10月16日，研究人员在arXiv发布研究成果，提出心智化对抗自我博弈框架MASP，以改进主动对话训练。该框架告别了以往针对顺从型用户的训练方式，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。MASP利用基于BDI的潜状态来表示用户演变的心智状态，分离了奖励端教师心智化与策略端学生心智化，并交替执行自我博弈更新。主动对话基准测试结果显示，与监督微调（SFT）及仅规划器方法相比，MASP大幅提升了对话成功率与理性约束成功率，同时减少了平均对话轮数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。