标签
本文介绍了偏好树优化（PTO）框架，该框架通过前瞻模拟生成偏好数据，以迭代改进目标导向对话代理。实验表明，在动机访谈场景中取得了性能提升。
本文提出UP-NRPA，一种在线框架，将用户画像与基于大语言模型的嵌套展开策略自适应相结合，无需离线训练即可动态定制对话策略，在多个对话任务上实现了100%的成功率。