Persona Selection

新的 R2A 框架通过表示和对齐学习 AI 身份策略

研究人员开发了 R$^2$A，一种用于学习 AI 系统中身份策略的新型两阶段框架。该方法通过潜在身份状态对行为生成进行建模，解决了静态身份提取的不一致性问题，该状态分解为身份选择和身份实现。该框架利用身份表示学习来编码身份目标和原则，然后通过身份运行时对齐使用任务反馈来校准行为和实现。与基础模型和静态提取方法相比，R$^2$A 在各种评估设置中表现出优越的性能，其中身份表示学习对于稳定的策略学习至关重要。