dialogue-agents

RL-ADA 是一种协同进化框架，它用世界反馈替代人工标签来训练对抗鲁棒性的企业对话智能体，利用强化学习提升性能，无需标注数据。

本文研究了一款用于对话游戏的2B模型的失败案例，并介绍了一种诊断引导的后训练方案，该方案使用SFT、DPO和LoRA来提升性能，同时保持通用能力。

CoreMem提出了一种资源高效的边缘-云端内存架构，用于对话代理，采用基于Fisher-Rao度量的黎曼检索和Fisher引导的离散令牌蒸馏，在8 GB VRAM预算内实现了显著的准确性提升。

G-Long 提出了一种用于长期对话代理的图增强内存管理框架，利用微调的小型语言模型进行结构化三元组提取和关联检索，在响应生成和内存检索方面取得了最先进的性能，同时降低了计算开销。

本文从理论上识别并缓解了多轮对话强化学习中的上下文分布偏移，提出了校准交互式RL，该框架将交互式RL与模拟器对齐相结合，以减少模拟到真实的差距并实现最先进的性能。

SAVOIR框架将合作博弈论与Shapley值应用于语言智能体训练，显著提升其社交智能，在SOTOPIA基准上刷新SOTA，并达到GPT-4o水平。