arXiv cs.CL· Zanwu Liu, Dan Zhang, Xiaodi Wang, Yongbo Mao, Xiaoyang Guo, Yonglin Wu, Peiyue Jiang, Yangyang Wei, Zecheng Lin·· 2 天前AI 评分22
MASP：面向主动对话的心理化对抗自博弈框架
Stop Training Against Soft Users: Mentalized Adversarial Self-Play for Proactive Dialogue
AI 导读
MASP 是一个心理化对抗自博弈框架，将主动对话建模为系统与理性抵抗用户之间的部分可观测博弈，用 BDI 潜在状态表示用户演化心理，并分离奖励侧教师心理化与策略侧学生心理化，交替更新系统与用户策略。
正文 · AI 翻译
摘要：主动式对话智能体必须引导多轮交互朝着任务目标推进，同时适应意图和态度不断变化的用户。现有规划器通过搜索、学习策略或用户感知规划来改进系统侧的动作选择，但往往针对固定或过度顺从的模拟器进行训练和评估；因此，较高的模拟成功率可能反映的是软性用户偏差，而非稳健的对话能力。我们提出 MASP，一种心智化对抗自博弈框架，将主动式对话视为系统与理性抵抗用户之间的部分可观测博弈。MASP 用基于 BDI 的潜在状态表示用户不断演变的心智状态，将奖励侧的教师心智化与策略侧的学生心智化分离，并交替进行系统策略和用户策略的自博弈更新。这将针对理性抵抗的稳健性转变为训练目标，而不仅仅是评估条件。在多种主动式对话基准上，与广泛使用的 SFT 和仅规划器方法相比，MASP 大幅提高了成功率（SR）和理性约束成功率（RCSR），减少了平均轮数（AT），并且在面对使任务目标更难实现的困难用户时表现更好。
| 评论： | 已被 EMNLP 2026（主会议）接收。含参考文献和附录共 18 页；1 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21156 [cs.CL] |
| （或 arXiv:2610.21156v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21156 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zanwu Liu [查看邮箱]
[v1]
2026年10月15日星期四 03:15:40 UTC（241 KB）
来源：arXiv cs.CL · arxiv.org