AnthroDial：自主社交互动中大语言模型拟人化的基准测试

大语言模型 (LLM) 越来越多地被部署为社交Agent，但可靠的类人交互需要的不仅仅是流畅的响应或角色一致性。Agent必须自主决定是否、何时以及如何进行通信，同时适应不断变化的环境、目标和关系。然而，现有的研究缺乏一种统一的方法来在持续、开放的互动中启用、评估和提高此类能力。我们介绍 AnthroDial，一个用于从三个互补方面开发拟人化社交Agent的统一框架：MindFlow，一种轻量级交互工具，可通过动态 Mind Buffer 实现自主、异步和自适应通信； CAPS-Eval，一个基于理论的框架，用于评估拟人化交互的认知、情感和行为维度；以及可扩展的训练范例，将用于环境扩展的 SEEDS 与用于自适应能力优化的 DiAPO 相结合。我们进一步构建了涵盖日常交流、游戏交互和远景角色交互的评估数据集。跨不同模型和场景的广泛实验证明了交互自主性和自然性的提高，验证了 CAPS-Eval 的可靠性、区分性以及与人类排名的一致性，并确认了我们训练范例的有效性。这些组件共同提供了一个统一的框架，用于在开放式交互中开发可信的类人社交Agent。