解锁任务导向对话中的主动性

主动式任务导向对话（如外呼销售）要求智能体积极探询用户顾虑并在有限轮次内引导其接受观点。然而，后训练大语言模型天生保守，基于奖励塑造的强化学习难以突破被动策略采样局限。本文提出，以用户潜在顾虑为条件可解锁主动性能力。为此，构建了“认知用户模拟器”，将用户建模为包含外部特征与内部隐藏顾虑的分层角色，并生成忠实多样的交互及每轮状态动态。进一步提出“模拟器诱导的非对称视图策略优化”，将建模顾虑与状态转移转化为互补训练目标：包括非对称在策略自蒸馏与状态转移策略精炼。