AI-Salesman: Towards Reliable Large Language Model Driven Telemarketing

AI-Salesman 论文总结与核心翻译

一、文章主要内容

该研究聚焦大型语言模型（LLMs）在电话营销等目标驱动型说服对话中的应用痛点，提出了一套端到端解决方案AI-Salesman，核心围绕三大核心挑战展开：满意度（需适配多样营销场景的复杂策略）、真实性（避免事实幻觉导致误导）、个性化（针对用户独特需求定制沟通策略）。

核心构成

1. 数据集构建：创建并公开首个真实场景驱动的电话营销对话数据集TeleSalesCorpus，包含2000条高保真多轮对话，通过三智能体（用户代理、销售代理、对话管理器）模拟生成，覆盖完整销售生命周期。
2. 双阶段框架设计：
   • 训练阶段：采用贝叶斯监督强化学习算法（基于Group Relative Policy Optimization, GRPO），设计包含贝叶斯推理奖励、格式奖励、长度奖励和语义相似度奖励的复合奖励函数，直接监督模型中间推理过程，兼顾事实准确性和说服效果。
   • 推理阶段：提出动态大纲引导代理（DOGA），通过离线构建的结构化脚本库，结合用户画像、实时意图和对话历史，动态生成每轮对话的策略引导，解决静态提示的通用性问题。
3. 评估体系：构建涵盖6大销售核心能力（角色扮演、业务分析、活动介绍、闲聊拒绝、异议处理、操作指导