Problem

目前的互動式助理訓練高度依賴使用者模擬器，但現有系統多側重於模仿下一句對話，忽略了同一脈絡下可能存在多種合理意圖（如接受或修正）。這種缺乏控制的生成方式，常導致模型產生流暢卻不符合預期對話走向的回應，限制了評測與訓練的有效性。

Method

研究團隊提出 UserIDA（User Intent-Directive Alignment）框架，將「要實現什麼意圖」與「如何用語言表達」分離。該框架定義了六種核心意圖介面，先透過監督式微調（SFT）學習指令驅動的生成，再於強化學習階段採用意圖校準策略優化（Intent-calibrated Policy Optimization），確保生成內容嚴格遵循指定的意圖指令。

Results

在 LMSYS-USP 資料集上，UserIDA 的意圖準確度達到 86.6%，超越最強的基準模型達 24.3 個百分點，並在語義與風格相似度上表現更佳。在情境干預實驗中，UserIDA 能在 91.7% 的對話狀態下成功實現至少四種目標意圖，遠優於外部基準模型的 22.9%。

Significance

這項研究確立了「每回合意圖控制」是使用者模擬中除了回應忠實度之外的關鍵維度。透過精準的意圖引導，開發者可以建立更具擴展性、可控且貼近真實互動的環境，進而提升對話式 AI 的訓練品質與評測基準。