MA$^{2}$P：用于复杂说服的元认知自主智能代理框架

有说服力的对话生成在决策、谈判、咨询和行为改变中发挥着至关重要的作用，但它仍然是一个具有挑战性的问题。在复杂的说服中，被说服者的内部状态无法清晰表达，说服者必须解释回应，推断被说服者的潜在心理状态（例如信念和欲望），并将其转化为有针对性的、策略一致的行动；然而，即使识别出此类线索，当前的方法也常常产生通用或基础薄弱的反应。此外，虽然 大语言模型 (LLM) 可以生成有说服力的内容，但由于知识覆盖不均匀和推理泛化有限，它们的性能在不同领域之间存在很大差异。为了应对这些挑战，我们提出了 MA$^{2}$P，一种用于复杂说服的元认知自主智能代理框架。具体来说，我们开发了一种自主多智能体架构，可以协调感知管理、心理状态推理、策略执行、记忆维护和性能评估。为了减轻跨领域的性能变化，我们进一步设计了一个元认知配置器，它从一开始就从结构化知识库中选择合适的元策略，从而指导后续的推理和规划。实验结果表明，我们的方法取得了比基线更高的说服成功率。