🔥 今日值得一读
用户不配合就崩？MADS用多智能体模拟造出1095段对话，66%专攻易翻车场景！
MADS: Multi-Agent Dialog Simulation for Robust Conversational Agents
👨💼 主理人解读 · 为什么值得关注
开发者可用它合成含非合作用户的对话数据，训练函数调用智能体应对真实对抗场景，提升鲁棒性。
📖 AI 总结
该研究针对任务型对话代理在真实场景中面对用户非合作行为时表现脆弱的问题，提出了MADS（多智能体对话模拟）合成数据生成流程。现有函数调用基准普遍缺乏对抗性对话轨迹，限制了鲁棒代理的训练资源。MADS通过注入对抗性对话，生成结构化、多样化的对话轨迹，捕捉真实的不顺利路径。基于此，作者构建了MADS-Bench基准，覆盖六个领域、55种人物角色和1095段对话，其中约66%包含易失败场景。研究采用监督微调与可验证奖励强化学习相结合的两阶段训练方法评估模型鲁棒性。该工作为提升对话代理在对抗性场景下的稳健性提供了数据与评测基础。
🔑 关键词速览
| MADS | 多智能体对话模拟，一种通过多智能体交互生成结构化、多样化对话轨迹的合成数据生成流水线。 |
| MADS-Bench | 基于 MADS 构建的对话鲁棒性基准，涵盖六个领域、55 种人物角色和 1095 段对话，其中约 66% 包含易失败场景。 |
| 对抗性对话 | 用户表现出不合作、恶意或诱导失败行为的对话，用于测试和提升对话智能体的鲁棒性。 |
| SFT | 监督微调，一种使用标注数据对预训练模型进行有监督训练以适配下游任务的方法。 |
| RLVR | 带可验证奖励的强化学习，一种利用可自动验证的奖励信号来优化模型行为的强化学习方法。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅