arXiv cs.CL· Juan Li, Fangshu Chang, Xinyi Jiang, Ling Huang, Yunzhang Chen·· 11 小时前AI 评分29
ProfileSim：用强化学习与分层奖励驱动的用户模拟框架，面向金融营销外呼任务型对话
Profile-Driven User Simulation via Reinforcement Learning with Hierarchical Rewards for Task-Oriented Dialogues
AI 导读
ProfileSim 是面向金融营销外呼的用户模拟框架，联合建模用户画像（人口统计与 Big Five 人格特质）和从真实通话日志逆向还原的业务画像，基座模型在真实语音对话数据上微调后用 GRPO 与对话级、话语级分层奖励优化。
正文 · AI 翻译
摘要：为金融营销等高价值场景构建任务型对话（TOD）系统，需要大量领域特定的对话数据，而隐私法规、标注成本以及专家人力的需求使这些数据难以获取。用户模拟提供了一种补救方案，但现有方法针对通用领域对话，并表现出两个关键局限：对领域特定业务流程与合规约束的建模不足，以及对语音交互口语化、口头语言特征的捕捉不充分。我们提出 ProfileSim，一个面向金融营销外呼的画像驱动用户模拟框架。它联合建模用户画像——人口统计学特征与大五人格特质——以及业务画像——从真实通话记录中逆向推导出的意图——从而实现对模拟行为的细粒度控制。基础模型在真实语音对话数据上微调，并通过组相对策略优化（GRPO）在对话级和话语级分层奖励下进一步精炼。与集成了标准作业程序（SOP）约束和检索增强生成（RAG）的客服智能体配合，ProfileSim 在所有评估的用户生成器中实现了最高的口语自然度、最强的用户画像遵循度以及在长尾意图上最低的智能体得分，同时在可比的业务合规性下生成明显更短的用户话语。所生成的对话数据旨在支持意图识别训练、智能体评估和快速冷启动部署。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.32435 [cs.CL] |
| （或 arXiv:2610.32435v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32435 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Juan Li [查看邮箱]
[v1]
2026年10月23日星期五 10:01:41 UTC（1,388 KB）
来源：arXiv cs.CL · arxiv.org