SEAD：用于多轮服务对话的自进化智能体

大型语言模型在开放域对话中表现优异，但在服务对话中因依赖噪声数据而效果不佳。为此，本文提出 SEAD（服务对话自进化智能体），一种无需大规模人工标注即可学习有效策略的框架。SEAD 将用户建模解耦为生成多样化用户状态以管理训练课程的“配置文件控制器”，以及专注于逼真角色扮演的“用户角色扮演模型”。该设计确保环境提供自适应训练场景。实验表明，SEAD 显著优于开源及闭源模型，任务完成率提升 17.6%，对话效率提升 11.1%。