PRISMA：基于偏好强化自训练的方法，用于可解释的情感智能谈判对话
计算与语言
2026-04-21 v1
摘要
情感在塑造谈判结果方面起着关键作用，影响信任、合作及长期关系。因此，开发能够识别并战略性地应对情感的谈判对话系统，对于创建更有效的人类中心交互至关重要。除了生成情感恰当的响应外，可解释性——理解系统如何生成特定情感感知响应——也至关重要，以促进可靠性并建立信任。针对上述需求，本文引入PRISMA，一种面向人类中心交互的可解释情感智能谈判对话系统，目标应用领域包括职业面试和资源分配。为实现可解释性，我们提出了情感感知-谈判策略引导的链式思维（ENS-CoT）推理机制，模拟人类谈判中的情感感知、理解、使用与管理。借助ENS-CoT，我们构建了两个新数据集：JobNego（用于职业面试谈判）和 ResNego（用于资源分配谈判）。随后，我们利用这些数据集开发PRISMA，通过增强自训练结合直接偏好优化（DPO），引导智能体生成更准确、可解释且情感恰当的谈判响应。在JobNego和 ResNego 数据集上的自动评估和人类评估结果表明，PRISMA显著提升了可解释性，生成恰当的情感感知响应，同时改进了整体谈判效果。
引用
@article{arxiv.2604.18354,
title = {PRISMA: Preference-Reinforced Self-Training Approach for Interpretable Emotionally Intelligent Negotiation Dialogues},
author = {Prajwal Vijay Kajare and Priyanshu Priya and Bikash Santra and Asif Ekbal},
journal= {arXiv preprint arXiv:2604.18354},
year = {2026}
}
备注
10 pages + appendix (23 pages total), paper accepted at ACL (Main) 2026