连续学习对话式 AI：基于 A2C 强化学习的个人化智能体框架
人工智能
2025-02-19 v1
摘要
创建具有个人化和可适应性的对话式 AI 仍是关键挑战。本文引入一种 Continuous Learning Conversational AI（CLCA）方法，采用 A2C 强化学习，以超越静态大型语言模型（LLM）的能力。我们使用由 LLM 生成的模拟销售对话来训练 A2C 智能体。该智能体学习优化对话策略以实现个人化，专注于提升参与度和价值传递。我们的系统架构将强化学习与 LLM 集成，用于数据创建和响应选择。该方法为构建能够通过持续学习不断演化的个人化 AI 伴侣提供了实用方法，推动了超越传统静态 LLM 技术的进展。
引用
@article{arxiv.2502.12876,
title = {Continuous Learning Conversational AI: A Personalized Agent Framework via A2C Reinforcement Learning},
author = {Nandakishor M and Anjali M},
journal= {arXiv preprint arXiv:2502.12876},
year = {2025}
}