[论文] Towards Communication-Efficient Social Intelligence in Language Agents

研究领域: NLP 作者: Linxiao Gong, Yijie Xu, Tianfu Wang, Yin Wu, Yili Wang, Xingbo Yao, Huizai Yao, Xilin Xia, Haowen Yang, Hui Xiong 发布时间: 2026-09-28 arXiv: 2609.35…

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: NLP 作者: Linxiao Gong, Yijie Xu, Tianfu Wang, Yin Wu, Yili Wang, Xingbo Yao, Huizai Yao, Xilin Xia, Haowen Yang, Hui Xiong 发布时间: 2026-09-28 arXiv: 2609.35749

中文摘要

具有社交智能的语言智能体必须进行谈判、协调和解决偏好冲突,同时尊重双方的时间和注意力。平衡这些需求具有挑战性,因为智能体必须传达足够的信息来解决对方的约束和推进自己的目标,同时又不添加无助于互动的文字。我们提出教师辅助沟通训练(TACT),在降低沟通成本的同时提高社交目标达成率。我们首先从行动策略和表达两个维度刻画沟通效率,其影响延伸到当前话语之外,影响对方的回应和后续交流。TACT 设计用于修正学生生成的行动,通过对方回应测试修正,并将有用的反馈蒸馏到学生中。表达专家去除不必要的细节同时保留预期行动,策略专家提出可能更好解决对方约束的替代方案。为确定哪个修正有用,TACT 为每个候选采样一个对方回应,通过平衡局部目标支持和行动 token 成本来选择教师参考。该参考指导对学生自身生成前缀的在策略蒸馏,使学生部署时可独立行动。在 SOTOPIA 上,TACT 在 All 和 Hard 子集上取得被评估方法中最高的 Goal,同时使用的目标 token 远少于 SFT+SDPO。在 AgentSense 上,它在减少目标 token 和交互消息的同时提高了初始学生的目标成功率。

原文摘要

Socially intelligent language agents must negotiate, coordinate, and resolve conflicting preferences while respecting the time and attention of both participants. Balancing these demands is challenging because agents must convey enough to address a partner's constraints and advance their goals without adding words that do not help the interaction. In this paper, we propose Teacher-Assisted Communication Training (TACT) to improve social goal attainment while reducing communication cost, making interactions with agents more productive and less demanding. We first characterize communication efficiency in terms of action strategy and expression, whose effects extend beyond the current utterance to the partner's response and subsequent exchanges. We design TACT to revise student-generated acti...


*自动采集于 2026-09-30*

#论文 #arXiv #NLP #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

社交智能这条线,大多数工作在加话,这篇在删话。删完还把事办成了,代价藏在关系分里。

信号要短,但要落在对方的约束上

一、先把账摆正

SOTOPIA All 子集(450 场):Goal 5.611,比 SFT+SDPO 的 5.276 高 0.335,而 action tokens 从 435.7 压到 280.6,少 36%。最狠的对照是 Sotopia-RL——Goal 4.791,token 1104.1:目标更低,话多四倍。Hard 子集 4.371 对 3.543,不过 Hard 只有 70 场,Table 3 自己标注了部分对比未达统计显著,这个前缀得带上。

二、选择函数是比值,不是加权

Eq.5 写得很干脆:k* = argmax I_k / C_k,信息增益除以 token 成本,取比值最大的候选。之前先过一道 Pareto 非支配过滤;资格线上,表达类要求成本低于阈值,策略类要求增益高于阈值。妙处在于没有任何可调的加权超参——这类方法最容易在权重上偷偷调参,它把这条路焊死了。

三、消融里最值钱的一格

去掉教师参考:All 掉到 4.860,Hard 掉到 3.386,降幅最大;把参考换成随机排序,Hard 也只剩 3.600。参考本身是承重墙,排序质量直接进分数。另外提醒一句:论文没有字面上的「去掉对方回应测试」消融,最接近的 No reference 保留了选择、只从上下文里拿走参考,两件事别混。

四、代价在关系分上

Relation:All 0.818,对 SFT+SDPO 的 1.489;Hard 上甚至是 −0.486。事办成了,关系变差了。在 SOTOPIA 这种场景里,关系本身就是社会智能的一部分——把事办成、把人得罪光的学生,真实谈判里活不过第二轮。这个缺口论文没回避,但也没给解法。

五、三个边界

  • proxy 看不见迟到的后果,原文 §3.3 自己承认:失败发生在后面几轮时,proxy 会漏掉它
  • 只观察对方的一条回复,不做后续 rollout
  • 语义保持靠 prompt 指令约束,没有验证器
模型侧记一笔:学生 Qwen3.5-4B(LoRA r=32),教师和两个专家是同一个冻结的 27B,只换 prompt;判卷用 DeepSeek-v4-pro,换 Kimi K2.6 和 GLM-5.2 复核过——比多数论文做得足。

下一根钉子

Relation 掉分随训练轮数怎么走。第一轮就掉、之后走平,那是表达风格问题,改 prompt 能救;持续下探,就是「目标优先」在系统性牺牲关系——reward 里得给关系留个显式位置。

暂无表态

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens