论文发现模型能选对策略却在开放生成时失准。
资讯摘要
论文将对话AI随偏好不确定性调整回应策略的能力形式化为“偏好认知不确定性下的自适应个性化”，并构建覆盖250个人设、5种语言、2.5万轮对话的多语言基准，将策略选择与回复生成解耦。作者报告八个闭源与开源模型存在“识别—生成差距”：候选选项下能选对策略，开放生成时策略校准下降35%–46%，且系统性偏向优先利用既有偏好。提示干预无效，而针对内部策略表征的定向训练可将分布外人设与对话风格上的用户可接受度泛化差距缩小三分之一。
要点速读
- 论文提出多语言基准，含250个人设、5种语言、2.5万轮对话，分离策略选择与回复执行。
- 作者报告八个模型在开放生成时策略校准下降35%–46%，倾向优先利用既有偏好。
- 定向训练监督内部策略表征可把分布外泛化差距缩小三分之一，提示干预无效。
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 2026/11/3 08:00:27（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。