AFA：用于防止多用户对话中人格混淆的身份感知记忆
人机交互
2026-04-29 v1
摘要
当多个用户共享单个语音助手时，系统会混合他们的历史记录：一个居民的偏好可能泄露到另一个人的响应中，削弱实用性与信任。我们称这种故障模式为人格混淆，并表明在共享环境中部署的单用户对话系统中，这是可衡量的问题。我们提出了自适应朋友代理 (AFA)，一个模块化框架，结合语音基准的说话人识别与每个用户的记忆存储，以实现跨多用户的身份感知、个性化对话。为支持训练与评估，我们构建了 PAT (Personalized Agent chaT)，包含 58,289 条覆盖 133 个用户档案与 12 个真实场景的人格导向对话轮次的合成数据集。我们在五个 LLM 后端上进行评估，使用在 PAT 上微调的 LLaMA-2-70B 模型取得最高整体性能。为直接衡量人格混淆防制，我们引入交叉式多用户评估协议与一种新指标——人格归属准确率 (PAA)，表明身份感知路由将 PAA 从 35.7% 提升至 61.3%。人类评估确认，标注员对启用路由的响应感知到的个性化显著提升。我们的结果确立了身份感知用户路由是防止多用户对话系统中人格混淆的关键组件。
引用
@article{arxiv.2604.25022,
title = {AFA: Identity-Aware Memory for Preventing Persona Confusion in Multi-User Dialogue},
author = {Mohammad Al-Ratrout and Pavan Uttej Ravva and Shayla Sharmin and Aditya Raikwar and Ju Young Shin and Roghayeh Leila Barmaki},
journal= {arXiv preprint arXiv:2604.25022},
year = {2026}
}