90亿参数语音代理一次训练，竟能搞定297个随机程序，合规率从67%飙到100%！
Following the Flow the Law Requires: Training Voice Agents to Transfer to Unseen Regulated Procedures in Debt Collection
📖 AI 总结
这篇论文研究如何让基于大语言模型的语音代理在受监管场景中不仅完成任务，还能遵循法律规定的对话流程。作者以债务催收为案例，提出机器可读规范FlowSpec，由其为每次部署生成策略指令、约束工具调用、提供监督信号并定义测试标准，代理只能使用经批准的固定话术。研究团队用297个随机程序生成的2506段对话微调一个90亿参数模型，并在四个未见过的部署程序上评估泰语外呼代理。结果显示，程序规定的文档化检查通过率从67%至71%提升到93%至100%，而依赖对话上下文的接地检查在训练前已达97%至100%，场景通过率从15/43升至40/43。此外，对共享规范的审计发现11处缺陷，其中3处未被其自身指标暴露。该工作表明，小型自托管策略经一次训练后可迁移至未见过的受监管流程，同时揭示了规范设计与评估指标之间的潜在盲区。
🔑 关键词速览
| FlowSpec | 一种机器可读的规范，用于定义受监管的对话流程，生成策略指令、控制工具、提供监督并定义测试。 |
| 语音代理 | 基于大语言模型构建的自动语音系统，用于处理客户电话，需遵循法律规定的对话流程。 |
| 债务催收 | 受监管的金融活动，代理必须遵循特定法律程序，如确认债务人身份、说明金额等。 |
| 文档化检查 | 由程序固定的检查项，评估代理是否遵循了规范中明确记录的步骤。 |
| 接地检查 | 由对话上下文固定的检查项，评估代理的回应是否与当前对话状态一致。 |
📱 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