通过认知状态转移优化主动对话策略

基于摘要分析。该研究面向主动对话中智能体如何根据用户反馈持续调整策略、推进多轮任务的问题，联合提出认知用户模拟器 Cog-Sim 与认知状态转移驱动的策略优化方法 CSTPO。核心贡献是显式建模用户状态随对话的演变，并区分高层策略选择与同一策略下的具体话语优化。 Cog-Sim 维护用户的认知与情感状态，通过受约束的跨轮状态转移生成回复，使反馈同时依赖实际话语和用户当前状态。这里的“认知状态”是对话用户模拟中的建模变量，摘要未涉及 EEG 等神经信号测量，不能据此视为 BCI 方法。 CSTPO 将动作组织为“策略—话语”层级表示：高层策略标签约束话语采样，再在各标签内部优化具体表达。其稀疏完整分支采样复用共享对话前缀，并分别估计策略层与话语层的优势，从而支持两个层级的细粒度优化。状态变量定义、转移约束、优势估计公式、训练损失和采样预算尚未验证。 作者报告，在三个任务上，Cog-Sim 呈现单调的剂量—反应关系，且自然度评价优于基于提示的模拟器；但摘要未说明“剂量”的操作定义、任务名称、评价者及统计信息。作者还报告，CSTPO 将 Qwen3-14B 的表现提升至与基于 GPT-5.5 的规划方法相当的水平；具体指标、基线配置、数据划分及计算预算尚未验证，因此不能解读为通用能力等同。 复现时应重点核对模拟器状态转移的验证方式、两层优势估计各自的贡献，以及模拟用户上的收益能否推广至真实用户。全文、实验协议、消融及统计信息尚未取得；现有材料不足以建立向 EEG/BCI 迁移的具体机制对应关系。