先模拟后规划：构建内在用户世界模型以实现用户定制对话策略规划
TLDR
提出UDP框架，利用扩散模型和布朗桥构建内在用户世界模型，实现用户定制对话策略规划。
评分理由
Strengths include addressing the overlooked role of user characteristics in dialogue policy planning and introducing a novel three-stage framework. Weaknesses are the lack of real-world experimental validation and limited generalizability beyond dialogue tasks.
Read-first 评分解释
综合优先阅读分 50.7，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 31。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：366。
关键词评分
深度分析
创新点
- 用于用户定制对话策略规划的内在用户世界模型
- 三阶段UDP框架：用户画像描绘（扩散模型）、用户反馈预测（基于布朗桥的预测器）、用户定制策略规划
- 在训练中优先处理具有挑战性用户画像的主动学习方法
方法
本文首先利用任务特定的用户画像进行了一项全面研究，评估现有对话策略规划方法，揭示其局限性。随后提出了UDP框架，该框架包含一个内在用户世界模型。UDP分三个阶段运行：（1）用户画像描绘，使用扩散模型动态推断用户画像；（2）用户反馈预测，使用基于布朗桥的预测器预测用户反应；（3）用户定制策略规划，整合这些洞察以优化响应策略。进一步提出了一种主动学习方法，在训练中优先处理具有挑战性的用户画像。在包含协作和非协作设置的基准上进行了实验。
关键结果
全面实验证明了UDP在学习用户特定对话策略方面的有效性，验证了该协议的实用性，并凸显了UDP的鲁棒性和适应性。