PRINCIPLES：用于主动对话代理的合成策略记忆
计算与语言
2026-04-21 v1
摘要
基于大型语言模型（LLM）的对话代理在主动对话方面展现了前景，这需要有效的策略规划。然而，现有的策略规划方法面临多个局限：策略覆盖范围有限、规划中存在偏好偏差，以及依赖高成本的额外训练。为此，我们提出了 PRINCIPLES：一种用于主动对话代理的合成策略记忆。PRINCIPLES 通过离线自我对弈模拟派生而来，作为可重用的知识，指导推理期间的策略规划，从而无需额外训练或数据标注。我们在情感支持和说服领域评估了 PRINCIPLES，结果显示其对强基线持续改进。此外，PRINCIPLES 在扩展且更加多样化的评估环境中保持鲁健性。项目页面地址为 https://huggingface.co/spaces/kimnamssya/Principles。
引用
@article{arxiv.2509.17459,
title = {PRINCIPLES: Synthetic Strategy Memory for Proactive Dialogue Agents},
author = {Namyoung Kim and Kai Tzu-iunn Ong and Yeonjun Hwang and Minseok Kang and Iiseo Jihn and Gayoung Kim and Minju Kim and Jinyoung Yeo},
journal= {arXiv preprint arXiv:2509.17459},
year = {2026}
}
备注
Accepted to EMNLP 2025 Findings