面向法律探究式对话智能体的双重分层对话策略学习
计算与语言
2026-05-18 v2
摘要
现有对话系统大多以用户为驱动，主要旨在满足用户请求。然而，在许多关键的现实场景中，对话智能体必须主动提取信息以实现其自身目标，而不仅仅是做出响应。为弥补这一空白，我们引入了探究式对话智能体（Inquisitive Conversational Agents, ICAs），并开发了一个专为美国最高法院口头辩论设计的 ICA。我们提出了一个双重分层强化学习框架，包含两个协作的强化学习智能体，每个智能体拥有各自的策略，以协调策略性对话管理与细粒度话语生成。通过学习何时以及如何提出探究性问题，该智能体模拟了司法提问模式，并系统地揭示关键信息以实现其法律目标。在美国最高法院数据集上的评估表明，我们的方法在多项指标上优于各种基线方法。这标志着向更广泛的高风险特定领域应用迈出了重要的第一步。
引用
@article{arxiv.2605.14057,
title = {Dual Hierarchical Dialogue Policy Learning for Legal Inquisitive Conversational Agents},
author = {Xubo Lin and Zezhi Deng and Shihao Wang and Grace Hui Yang and Yang Deng},
journal= {arXiv preprint arXiv:2605.14057},
year = {2026}
}
备注
Accepted in ACL 2026 as Findings