Preference Tree with Look-Ahead

新框架通过前瞻性模拟增强面向目标的对话

研究人员推出了一种名为偏好树优化（PTO）的新框架，旨在增强面向目标的对话系统，特别是在数据有限的专业领域。PTO通过一种称为“带前瞻性模拟的偏好树”的方法生成偏好数据，在动机访谈（MI）的背景下模拟与虚拟患者的对话。这种方法与直接偏好优化（DPO）相结合，旨在通过迭代训练来改进代理决策。实验表明，经过PTO训练的模型在MI对话中优于基线模型，在会话满意度和工作联盟方面表现更好，而更深的前瞻性模拟产生了最稳定的结果。