为何合成数据还不够真实：面向联系中心对话生成的诊断框架
计算与语言
2026-02-17 v2 人工智能
摘要
合成数据日益重要于联系中心，因为隐私限制和数据稀缺限制了真实对话的可用性。然而，生成用于下游应用的真实且有用的合成对话仍具有挑战性。在本工作中，我们在多个语言上对多种生成策略进行基准测试，这些策略受结构化监督指导下的通话属性（意图摘要、话题流程和质量保证（QA）表格）引导。为测试下游实用性，我们评估了合成转录文本在自动质量保证（AutoQA）任务上的表现，发现针对真实转录文本优化的提示 consistently 优于针对合成转录文本优化的提示。这些结果表明，当前的合成转录在捕捉真实经纪人-客户交互的完整真实性方面不足。为凸显这些下游差距，我们引入了一个包含 17 项指标的诊断评估框架，涵盖四个维度：（1）情感和情绪弧线，（2）语言复杂性，（3）交互风格，和（4）对话属性。我们的分析显示，即使有结构化监督，当前的生成策略在情感忠实度、不连贯性建模、行为变异和对话真实性方面仍表现出可测量的缺陷。总体而言，这些结果凸显了针对下游应用的合成对话生成的诊断性、指标驱动评估的重要性。
引用
@article{arxiv.2508.18210,
title = {Why Synthetic Isn't Real Yet: A Diagnostic Framework for Contact Center Dialogue Generation},
author = {Rishikesh Devanathan and Varun Nathan and Ayush Kumar},
journal= {arXiv preprint arXiv:2508.18210},
year = {2026}
}