इस पत्र में, हम सैवेज कन्वर्सेशन फ़ॉरेस्ट (SCF) का प्रस्ताव रखते हैं, जो बहु-चक्रीय वार्तालाप कार्यों पर बड़े पैमाने के भाषा मॉडल (LLM) को परिष्कृत करने के लिए एक सुदृढीकरण अधिगम ढाँचा है। DPO और GRPO जैसी मौजूदा विधियाँ एकल-चक्रीय कार्यों के लिए प्रभावी हैं, लेकिन वे चिकित्सा निदान साक्षात्कार जैसे बहु-चक्रीय कार्यों के लिए उपयुक्त नहीं हैं, जहाँ प्रारंभिक वार्तालाप चक्र परिणामों को प्रभावित करते हैं। SCF प्रत्येक चक्र के लिए कई संभावित वार्तालाप निरंतरताएँ उत्पन्न करता है, जिससे मॉडल को यह समझने में मदद मिलती है कि प्रारंभिक प्रतिक्रियाएँ बाद की अंतःक्रियाओं और निदान परिणामों को कैसे प्रभावित करती हैं। डॉक्टर-रोगी वार्तालापों पर सिमुलेशन प्रयोगों में, SCF रैखिक वार्तालाप संरचनाओं की तुलना में उच्च नैदानिक सटीकता प्राप्त करता है, जो दर्शाता है कि शाखित प्रशिक्षण संरचना जटिल बहु-चक्रीय वार्तालाप कार्यों पर LLM को परिष्कृत करने के लिए एक महत्वपूर्ण रणनीति है।
