标签
提出在线Agent-as-a-Judge评估框架，该框架利用世界内评估智能体主动生成情境来测试交互式社交智能体，在覆盖率和可靠性上优于被动方法。
PersonaArena 是一个动态模拟框架，利用大规模社交内容语料库和多智能体辩论评判机制，评估并提升大语言模型在真实社交场景中保持连贯且真实的人格层面角色扮演能力。
ALSO引入了一个多智能体社交模拟中的在线策略优化框架，将多轮交互建模为对抗性赌博机问题，并利用神经代理进行奖励预测。在Sotopia基准上的实验表明，它优于静态基线和现有优化方法。
本文提出了双尺度进化策略训练（DEPT），旨在解决社交语言智能体的进化僵局问题，利用非对称优势重塑技术在自博弈过程中恢复梯度信号。