CHORUS：用于生成逼真协商讨论数据的智能体框架

理解在线话语的复杂动态依赖大规模协商讨论数据，而由于受限的访问政策、伦理顾虑以及不一致的数据质量，这类资源在各交互式网络平台上依然稀缺。本文提出Chorus，一个智能体框架，它编排由LLM驱动、具有行为一致人格设定的行动者来生成逼真的协商讨论。每个行动者由一个配备讨论演化记忆的自主智能体支配，而参与时机由基于泊松过程的原理化时间模型控制，以近似真实用户异质的参与模式。该框架还得到结构化工具使用的支持，使行动者能够访问外部资源，并便利了与交互式网络平台的集成。该框架部署于Deliberate平台，并由30名专家参与者从内容真实性、讨论连贯性与分析效用三个维度进行评估，证实Chorus是生成适用于在线话语分析的高质量协商讨论数据的实用工具。