标签
该论文提出 FlowSpec 规范驱动的方法，微调一个 90 亿参数模型，使语音客服代理能够遵循从未见过的受监管催收流程，合规检查率从 67–71% 提升至 93–100%。
该论文提出 PsyCIDRA，一个将自由形式精神科访谈与诊断推理相结合的双智能体框架，其中访谈智能体借助工具维护笔记、加载专家技能并检索 ICD-11 参考，诊断智能体则基于访谈记录生成假设并报告支持、冲突和缺失证据。模拟评估和针对 101 名人类参与者的盲测研究表明，该框架的诊断一致性显著优于直接提示。
ThuRunel 是一个面向两阶段高风险咨询场景（医美、法律、教育）的顾问代理框架，它将「动态解耦」这一概念形式化：即决定该问什么、何时停止、哪些事项应自行解决，以及哪些问题应上报给专家。该框架结合有限状态信念管理、CoT 教师综合与生成适配器，在与十一个基线的对比中胜出，并以双语、可引用来源的 Web 应用形式对外发布。
本文对大语言模型（LLMs）在论辩对话中处理人身攻击的能力进行了基准测试，揭示了由于安全限制，LLMs优先选择逻辑防御，而不像人类辩手。
本文介绍了Duplex-MPE，一个用于评估AI助手在多方全双工对话中的基准，包含2000个场景，评估模型在响应启动、准确性和静默保持方面的表现。
介绍了状态基于调节（SGC），这是一种为面向用户的LLM代理设计的原则，基于实时状态进行调节，以减少方向漂移，并在游戏指导场景中提升延迟和准确性。
本文介绍了一个双语多轮框架，用于研究AI助手对重复性言语滥用的反应，区分硬性脱离和软性退避，并展示了各种API配置的实验结果，显示出异质行为。
本文通过审计LMSYS-Chat-1M对话，分析了对话系统中的用户-AI不当行为，揭示了敌意检测的独特模式及其对AI安全和对齐的影响。
TurnBench介绍了一个多领域基准测试，用于评估口语对话中的话轮转换动态，特点是拥有手工标注的语料库和标准化的评估协议，用于检测话轮结束和中断。
介绍了SWRouter，一种用于多轮大型语言模型对话的相似度约束窗口路由器，解决了上下文分割和路由评估中的挑战。
本文提出利用从大型语言模型派生的语义不确定性来预测口语对话中话轮转换的相关位置，在对话系统中展示了优于基线的性能。
本文提出一种解耦数据方法，通过从真实口语对话中学习轮次转换，同时利用文本处理语义，借助神经有限状态机框架来增强自然性并保留语义能力。
EmoStance是一种用于共情响应生成的方法，它使用表情符号弱监督来建模响应侧的情感取向，从而提高对话中的上下文特异性和感知响应性。
本文提出了一种多任务学习方法，通过利用轮次交替动态来增强多方对话中的意图识别，其性能优于忽略交互模式的现有方法。
本文提出了一种通用风格感知全双工框架，包含一个轻量级的轮换控制器LPS-TC；引入了一个大规模数据集WildTurn，用于真实世界对话；并提出了一种两级评估方案，以增强对话系统中的主动语音交互和响应质量。
ESCRAG-R1是一个统一框架，通过将基于检索的心理指导整合到群组相对策略优化（GRPO）中，来增强情感支持对话，从而减轻表面拼接，实现专业指导与共情的自然融合。
本文介绍了Real-TurnTurk，这是一个用于话轮转换预测的多模态土耳其语对话数据集，包含同步的视频、音频和转录文本。它使用遗传算法来优化可解释的决策规则，以预测自然对话中的话轮转换。
本文介绍了RO-PnR，一个决策框架，用于在多轮健康错误信息干预中学习何时提出澄清问题与提供纠正，以更少的轮次实现更高的成本调整效用。
本文提出了一种名为ToSCA的两层层次化强化学习框架，用于会话智能体。该框架结合DQN和PPO，并采用双粒度奖励机制，以提升多轮对话中的策略判定和响应质量。
本文提出了一种方法，利用大型语言模型自动生成多样化的用户角色，用于测试面试对话系统，以减少人工努力并增加模拟用户行为的多样性。