arXiv cs.CL· Juan Li, Fangshu Chang, Xinyi Jiang, Ling Huang, Yunzhang Chen·· 3 小时前AI 评分35
ProfileSim：基于分层奖励强化学习的画像驱动任务型对话用户模拟
Profile-Driven User Simulation via Reinforcement Learning with Hierarchical Rewards for Task-Oriented Dialogues
AI 导读
ProfileSim 以 GRPO 加对话级、语句级分层奖励，训练面向金融营销外呼的任务型对话用户模拟器。它联合建模用户画像（人口统计与大五人格）与业务画像（意图从真实通话日志逆向推断），并在真实语音对话数据上微调。评估中其口语自然度、用户画像遵循度最高，长尾意图上 agent 评分最低，业务合规性相当而用户语句明显更短。
来源：arXiv cs.CL · arxiv.org