基于大语言模型的债务催收谈判：评估系统与多智能体优化决策
计算与语言
2025-02-26 v1
摘要
债务催收谈判（DCN）对于管理不良贷款（NPLs）和减少债权人损失至关重要。传统方法劳动密集，而大语言模型（LLM）展现出有前景的自动化潜力。然而，先前的系统缺乏动态谈判和实时决策能力。本文探讨了大语言模型在自动化债务催收谈判中的应用，并提出了一种新颖的评估框架，涵盖 4 个方面的 13 项指标。我们的实验揭示，与人类谈判者相比，大语言模型倾向于过度让步。为解决这一问题，我们提出了多智能体债务谈判（MADeN）框架，融合了规划和判断模块以提升决策理性。我们还应用了后训练技术，包括基于拒绝采样的 DPO，以优化性能。本研究为从业者和研究者提供了有价值的见解，以提升该领域的效率和成果。
引用
@article{arxiv.2502.18228,
title = {Debt Collection Negotiations with Large Language Models: An Evaluation System and Optimizing Decision Making with Multi-Agent},
author = {Xiaofeng Wang and Zhixin Zhang and Jinguang Zheng and Yiming Ai and Rui Wang},
journal= {arXiv preprint arXiv:2502.18228},
year = {2025}
}
备注
21 pages