通过未来反馈预测实现开放域对话技能的可验证自我进化

文本技能可提升冻结语言模型代理，但其自我进化通常依赖稳定验证信号。在开放域对话中，改变回复会引发用户不同反应，导致无法直接评估反事实回复。本文提出“未来反馈技能进化”方法，将自我进化目标从生成当前答案转为预测观察到的答案是否引发积极后续信号。该预测任务可在固定日志数据上验证，支持基于验证的文本优化。实验显示预测准确率超 75%，该方法将动态对话反馈转化为固定离线学习目标，实现了无需实时流量的可复现技能进化。