EMNLP 论文 MASCOT 训练多角色 AI 对话：persona 一致性达 80 分
jiqizhixin · x · 2026-11-13
Georgia Tech 与 MIT 研究者发布 MASCOT，提出多智能体角色化对话训练框架，入选 EMNLP 2026 Main。核心思路分两阶段：
- Phase I 个体角色对齐：用模型反馈与学习的奖励模型训练多个 Speaker，使其在情感支持质量、共情一致性、回复相关性等维度保持各自鲜明的行为角色。
- Phase II 协作对话优化：冻结各 Speaker，训练一个 Director 策略，决定谁下一个发言以及采用何种对话策略（如提问引导、肯定回应）。
在 Empathetic Dialogues 的积极情绪场景上，报告的 persona 一致性达 80.0，对比最强基线 65.9，高出 14.1 分——作者提醒这是模型判定的量表得分，不代表治疗效果的百分点提升。评测还覆盖会议讨论与域外情感支持场景。
「研究」频道最新
- Erdős 问题新进展：n=1102 首个强素因子连续段起点算出 — kevrussell · 2026-11-13
- SFU-Sim 黑盒逆向 NVIDIA MUFU 指令，实现位精确仿真并开源 — ssh4net · 2026-11-13
- 用 AI 把全美判例法形式化进 Lean 定理证明器 — SnooPeripherals5313 · 2026-11-13
- Spaghetti Splatting 实时查看器演示:蜜蜂 3D 高斯泼溅重建 — jonstephens85 · 2026-11-13
- Erik Hoel：把计算功能主义混同行为主义是对意识理论的误读 — erikphoel · 2026-11-13
- Inkling 2 Small 架构细节曝光:注意力残差加混合精度专家设计 — teortaxesTex · 2026-11-13