METRO：从非协作对话的专家对话记录中进行策略归纳

传统上，开发非协作对话代理需要对专家策略进行手动、不可扩展的编纂。我们提出了一种方法，利用 大语言模型 直接从原始记录中自动诱导策略行动和规划逻辑。 METRO 将专家知识形式化为战略森林，这是一种捕获短期响应（节点）和长期战略远见（分支）的分层结构。两个基准测试的实验结果表明，METRO 表现出了良好的性能，平均优于现有方法 9%-10%。我们的进一步分析不仅揭示了 METRO 背后的成功（战略行为多样性和远见），而且还证明了其强大的跨任务可转移性。这为以经济有效且可扩展的方式构建非协作代理提供了新的见解。我们的代码可在 https://github.com/Humphrey-0125/METRO 获取。