यह शोधपत्र एक बड़े पैमाने के भाषा मॉडल (LLM) में विचार श्रृंखला (CoT) अनुमान का उपयोग करते हुए जटिल, बहु-चक्रीय वार्ताओं का परीक्षण करता है। यह मौजूदा LLM एजेंटों की कमियों को उजागर करता है, जो भावनात्मक अभिव्यक्ति की कार्यात्मक भूमिका की अनदेखी करते हैं। ये एजेंट निष्क्रिय, वरीयता-आधारित भावनात्मक प्रतिक्रियाएँ उत्पन्न करते हैं, जिससे वे अपने समकक्षों द्वारा हेरफेर और रणनीतिक शोषण के प्रति संवेदनशील हो जाते हैं। इस समस्या का समाधान करने के लिए, यह शोधपत्र EvoEmo प्रस्तुत करता है, जो वार्ताओं में गतिशील भावनात्मक अभिव्यक्ति के अनुकूलन हेतु एक विकासवादी सुदृढीकरण अधिगम ढाँचा है। EvoEmo भावनात्मक अवस्था संक्रमणों को मार्कोव निर्णय प्रक्रिया के रूप में मॉडल करता है और विभिन्न वार्ता परिदृश्यों में उच्च लाभ प्रदान करने वाली भावनात्मक नीतियों को विकसित करने के लिए जनसंख्या-आधारित आनुवंशिक अनुकूलन का उपयोग करता है। इसके अलावा, हम दो आधार रेखाओं: वैनिला रणनीतियाँ और स्थिर-भावना रणनीतियाँ, का उपयोग करके भावना-जागरूक वार्ता के बेंचमार्किंग के लिए एक मूल्यांकन ढाँचा प्रस्तावित करते हैं। व्यापक प्रयोगों और पृथक्करण अध्ययनों से पता चलता है कि EvoEmo लगातार दोनों आधार रेखाओं से बेहतर प्रदर्शन करता है, जिससे सफलता दर, दक्षता और खरीदार की बचत बढ़ती है। ये परिणाम बहु-चक्रीय वार्ताओं के लिए अधिक प्रभावी LLM एजेंटों को सक्षम करने में अनुकूली भावनात्मक अभिव्यक्ति के महत्व को उजागर करते हैं।
