AI-Salesman：面向可靠大语言模型驱动的 telemarketing 方法
计算与语言
2025-11-18 v1
摘要
以目标为导向的有说服力的多轮对话（如telemarketing）需要 sophisticated 的多轮计划和严格的事实忠诚度，这是即使是最先进的大语言模型（LLM）也面临的重大挑战。缺乏任务特定数据常限制了以往工作，同时直接应用LLM会受到策略脆弱性和事实幻觉的限制。本文首先构建并发布了TeleSalesCorpus，这是首个真实世界 grounding 的对话数据集用于该领域。随后，我们提出AI-Salesman，一种新型框架，具有双阶段体系结构。对于训练阶段，我们设计了贝叶斯监督强化学习算法，从噪声对话中学习鲁棒的销售策略。对于推理阶段，我们引入Dynamic Outline-Guided Agent（DOGA），利用预构建的脚本库提供动态的、逐轮的战略指导。此外，我们设计了综合评估框架，结合关键销售技能的细粒度指标和LLM-as-a-Judge范式。实验结果表明，我们提出的AI-Salesman在自动指标和全面的人类评估中均显著优于基线模型，展示了其在复杂说服场景中的有效性。
引用
@article{arxiv.2511.12133,
title = {AI-Salesman: Towards Reliable Large Language Model Driven Telemarketing},
author = {Qingyu Zhang and Chunlei Xin and Xuanang Chen and Yaojie Lu and Hongyu Lin and Xianpei Han and Le Sun and Qing Ye and Qianlong Xie and Xingxing Wang},
journal= {arXiv preprint arXiv:2511.12133},
year = {2025}
}