MegaChat：面向高质量销售聊天机器人评估的合成波斯语 Q&A 数据集
计算与语言
2025-12-01 v1 人工智能
多智能体系统
摘要
伊朗中小型企业（SME）越来越多地利用电报进行销售，由于即时互动对于转化至关重要。然而，开发针对此目的的 AI 驱动聊天机器人需要大规模高质量的问答（Q&A）数据集，而这类数据集通常昂贵且资源密集，尤其是针对低资源语言如波斯语。本文介绍了 MegaChat，这是第一个为评估电报基于销售的电子商务聊天机器人而设计的完全合成波斯语 Q&A 数据集。我们提出了一种新颖的、基于多智能体的自动化架构，通过收集来自活跃电报购物频道的数据，生成具备人物感知（persona-aware）问答对。该系统采用专门的智能体进行问题生成、验证和细化，确保生成真实且多样化的对话数据。为评估答案生成，我们比较了三种经典的检索增强生成（RAG）模型与我们的高级智能体系统，后者具有多查询检索、重排序和人物对齐响应合成功能。使用 GPT-5.1 对六个质量维度进行评估，我们的结果显示，在 4 个不同频道中，智能体架构超过了传统 RAG 模型，表明其能够在不依赖昂贵人工标注或复杂微调的情况下生成可扩展的高质量数据集。MegaChat 为 SME 提供了一个高效、成本效益的解决方案，用于构建特定商业领域的智能客户互动系统，推动了低资源语言的多语言对话 AI 领域的发展。下载：https://github.com/MegaChat-Tech/MegaChat-DataSet
引用
@article{arxiv.2511.23397,
title = {MegaChat: A Synthetic Persian Q&A Dataset for High-Quality Sales Chatbot Evaluation},
author = {Mahdi Rahmani and AmirHossein Saffari and Reyhane Rahmani},
journal= {arXiv preprint arXiv:2511.23397},
year = {2025}
}
备注
6 pages, 11 figures, 2 tables