摘要
后训练大语言模型通常被优化以符合人类偏好，但在对抗性谈判中，这种对齐可能成为漏洞。本文提出 EmoDistill，一种将情感谈判技能蒸馏至语言模型代理的离线框架。该方法将情感策略分解为情感选择与表达：利用隐式 Q 学习（IQL）决定表达何种情感，并通过低秩自适应（LoRA）结合监督微调与法官策略优化来学习如何表达。实验表明，该框架在多个高利害谈判领域显著优于基线，且无需昂贵的在线训练即可从离线交互中学习技能。
AI 推荐理由
论文核心在于通过蒸馏框架让 Agent 学习情感谈判这一特定技能，涉及策略选择与表达。
研究机构
University of Cambridge
Technical University of Munich
The Alan Turing Institute
论文信息