arXiv cs.CL· Arkajyoti Chakraborty, Adam Zernik, Ishika Kulkarni, Mudit Arora, Hugo Lin, Justin Chiu, Alessandro Di Bari, Neha Gupta, Andreas Stolcke·· 6 天前AI 评分27
MADS：面向鲁棒对话智能体的多智能体对话模拟
MADS: Multi-Agent Dialog Simulation for Robust Conversational Agents
AI 导读
研究团队提出 MADS（Multi-Agent Dialog Simulation）合成数据生成管线，可注入对抗性对话，生成结构化、多样化的对话轨迹，用于训练更鲁棒的对话智能体。基于该管线构建的 MADS-Bench 覆盖 6 个领域、55 种人物设定和 1095 段对话，其中约 66% 包含易失败场景。团队采用 SFT 与 RLVR 两阶段训练评估模型鲁棒性。
正文 · AI 翻译
摘要：面向任务的对话代理在现实条件下仍然脆弱，尤其是当用户表现出不合作行为时。现有的函数调用基准未能充分体现对抗性对话轨迹，从而限制了用于开发鲁棒代理的训练资源。我们提出了 MADS（多代理对话模拟），一种合成数据生成流水线，可生成结构化、多样化的对话轨迹。我们注入对抗性对话，生成经过验证的对话轨迹，捕捉真实的、不愉快的路径。使用 MADS，我们构建了 MADS-Bench：一个涵盖六个领域、55 种人物角色和 1095 段对话的基准，其中约 66% 的对话包含易失败的对话场景。我们使用结合监督微调（SFT）和可验证奖励强化学习（RLVR）的两阶段训练方法来评估所训练模型的鲁棒性。
| 评论： | 2026 年 2 月提交至 Interspeech |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12757 [cs.CL] |
| （或 arXiv:2610.12757v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12757 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Arkajyoti Chakraborty [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 22:08:10 UTC（420 KB）
来源：arXiv cs.CL · arxiv.org