提出MINT(Multi-turn Inter-tactic Novelty Training),首个面向多轮共情对话中话语策略多样性优化的强化学习框架,通过结合共情质量奖励与跨轮策略新颖性信号,在1.7B和4B模型上平均提升整体共情25.3%,同时在4B模型上降低跨轮话语策略重复率26.3%,显著优于仅优化质量…
机构:Microsoft
来源:arXiv 2604.11742 | AI4Papers 论文推荐平台