后训练：通过约定形成实现高效通信

人类在多轮交互中通过调整语言和形成临时约定来实现通信效率的提升。相比之下，现有工作表明大语言模型(LLM)并未自然展现这种行为。我们开发了一种后训练过程，通过针对性微调来发展这种能力。我们评估了两个新的以此能力为导向的基准测试。首先，我们设计了一个聚焦且受认知启发的交互基准测试，能够稳定地引发人类强烈的约定形成趋势。其次，我们创建一个新的面向文档的参考完成任务，反映现实中出现的约定形成行为。我们的研究表明，在两种评估方法下，经过后训练的 LLM 在约定形成能力上均显著提升。