Planner-only

新的MASP框架训练AI对话代理对抗理性抵抗

研究人员开发了一个名为MASP（心智化对抗性自我博弈）的新框架，以改进主动对话代理。与以往训练对抗过于顺从的模拟器的旧方法不同，MASP将对话视为系统与理性抵抗用户之间的博弈。这种方法模拟了用户不断变化的心智状态，并使用自我博弈更新来训练系统和用户策略，使代理能够更有效地对抗难缠的用户。与标准的监督微调和仅规划器方法相比，MASP在各种基准测试中都显著提高了成功率并减少了对话轮数。