摘要
人类对话不仅仅是信息的交换，还表达了信念、情感和主观认知风格。然而，当前的AI对话系统往往强制语义一致性，牺牲了多样性和可解释性。我们提出了MAPS（多智能体视角空间），这是一种新颖的框架，能够建模不同认知代理之间的对话，采用领域加权的个人资料、动态GRU基础的记忆和可解释的标记级注意力机制。
MAPS使得智能体能够保持个性化推理，同时逐渐趋向共享的意义。在EmpatheticDialogues、TopicalChat和MultiWOZ上的评估表明，MAPS支持语义对齐而不损失主观性。我们的结果展示了朝向认知基础的、可解释的对话系统的路径，这些系统在表达性和一致性之间达成了平衡。
博主点评： MAPS框架的提出，标志着对话系统设计的一次重要进步。通过结合个体认知差异与共享语义，MAPS不仅提升了对话的丰富性，还确保了系统的可解释性，展现了未来对话AI发展的新方向。