面向法律探究型对话代理的双层分层对话策略学习

现有对话系统多为用户驱动，旨在响应用户请求。然而在许多关键场景中，对话代理需主动提取信息以达成自身目标。为此，本文引入“探究型对话代理（ICA）”，并针对美国最高法院口头辩论开发专用 ICA。我们提出一种双层分层强化学习框架，包含两个协作的 RL 代理，分别负责战略对话管理与细粒度话语生成。通过学习何时及如何提出探究性问题，该代理模拟司法询问模式，系统性地挖掘关键信息以履行法律目标。在美国最高法院数据集上的评估表明，该方法在多项指标上优于各类基线。