arXiv cs.CL· Mingyu Chen, Jingkai Lin, Xiaofen Xing, Liankai Huang, Ruiqi Xiong, Xiangmin Xu·· 10 小时前AI 评分38
大语言模型能否将智能体能力扩展到开放式多轮对话的目标追求？
Can Large Language Models Extend Their Agentic Capabilities to Goal Pursuit in Open-Ended Multi-Turn Interaction?
AI 导读
研究提出 Tool-Mediated Interaction（TMI）协议，将对话动作表示为工具调用、对方回应表示为工具结果，无需训练即可维持推理-行动-观察循环。
正文 · AI 翻译
摘要：开放式对话中的目标追求要求智能体根据连续多轮交流中的互动反馈调整自身行动。我们研究为多步工具使用而开发的智能体能力是否能迁移到通过模型原生工具接口组织的对话中，以及这会如何改变交互行为。我们将工具中介交互（TMI）定义为一个无需训练的协议，它将对话动作表示为工具调用，将对话对方的响应表示为工具结果，从而维持一个连续的推理-行动-观察循环，并保留推理与交互历史。我们使用两个模型和 15,678 个主实验回合，在社交互动、情感支持、说服和价格谈判中评估 TMI。在两个模型上，与带思考和不带思考的对话基线相比，TMI 均提升了社交目标达成、情感支持偏好、捐赠金额和买方谈判余量。一项 Qwen 消融实验进一步表明，在全部四项主要结果上，TMI 均优于保留推理的普通对话。行为分析将这些改进与初始提议和对互动反馈的响应中的任务特定模式联系起来。除这些收益外，相对于思考基线，TMI 将每次决策的平均推理 token 数减少了 42.0-81.5%，并降低了全部八个模型-环境组合的平均跨轮短语复用。这些发现表明，交互组织方式同时影响对话轮次中的目标达成与推理。
| 评论： | 18 页，9 幅图，20 张表，包括附录 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01552 [cs.CL] |
| （或 arXiv:2611.01552v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01552 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mingyu Chen [查看电子邮件]
[v1]
2026 年 11 月 1 日星期日 04:23:27 UTC（814 KB）
来源：arXiv cs.CL · arxiv.org