分层规划让 LLM 模拟学生在长程交互中更贴合行为画像。
资讯摘要
论文提出 ALPS（Align Long-term by Planning Short-term），一种分层模拟学生方法，以可观察、环境特定的行为画像为条件，交替进行画像对齐的任务段规划与对应动作生成，而非逐回合独立选动作。作者在探究式物理游戏和药房模拟中，对比 ICL、SFT、RAFT 及其组合，用留出真实数据评估行为密度与覆盖度，并用与人类对齐的 LLM 评判画像一致性。作者报告 ALPS 在数据充足与稀缺两种设定下均优于逐回合生成，稀缺监督下密度与评判通过率相当，但覆盖度仍较低。
要点速读
- ALPS 采用分层结构：先规划符合行为画像的任务段，再生成具体动作，以缓解长程交互中逐回合提示偏离画像的问题。
- 在探究式物理游戏与药房模拟中，对比 ICL、SFT、RAFT 及 SFT+RAFT 组合，评估行为密度、覆盖度与画像一致性。
- 作者报告 ALPS 在数据充足和稀缺设定下均优于逐回合生成；稀缺监督下密度与 LLM 评判通过率相当，覆盖度仍偏低。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。