论文页面 - 什么让社交智能体的互动有效？从配对世界中的可验证结果中学习

来源：https://huggingface.co/papers/2610.20195

摘要

有效的社交互动不仅需要流畅的回应：智能体还必须达成符合参与者需求与实际情况的计划。现有的社交智能体评估主要依赖 LLM 评判者对对话进行评分，而不检查最终形成的计划。我们提出了 HICO-Bench，这是一个包含 180 个日常协调场景的基准，涵盖资源分配、日程安排和授权等任务。在这些场景中，两个掌握私有信息的智能体先进行对话，然后各自独立记录双方达成一致的计划。程序检查可行性（两份记录一致，且满足双方的私有条件），LLM 评判者检查完整性（对话支持所记录的计划）；同时通过两项检查即为可验证成功。每个场景都有两个版本，它们具有相同的公开背景，但某一项私有条件不同，因此正确的计划也各不相同。在十三个 LLM 的评估中，被评为目标完成度高的对话有 36% 未能实现可验证成功。为了从仅在对话结束时才出现的结果中学习，我们提出了配对信用策略优化（Paired-Credit Policy Optimization，PaCPO）。每轮对话后，PaCPO 都要求智能体给出一个暂定计划，在场景的两个版本中对其进行检查，并奖励那些使暂定计划分别符合各自版本的对话轮次。PaCPO 将 Qwen3-8B 的可验证成功率从 20.4% 提高到了 28.3%。

查看 arXiv 页面 (https://arxiv.org/abs/2610.20195)查看 PDF (https://arxiv.org/pdf/2610.20195)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.20195)

在你的智能体中获取这篇论文：

hf papers read 2610\.20195

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

尚无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.20195，即可从此页面链接到该模型。

引用此论文的数据集0

尚无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.20195，即可从此页面链接到该数据集。

引用此论文的 Space0

尚无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.20195，即可从此页面链接到该 Space。

收录此论文的收藏集0

尚无收藏集收录此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection)，即可从此页面链接到该收藏集。