MAPS：多智能体对话新框架，兼顾主观视角与共享语义

人类对话不仅是信息交换，还涉及信念、情感和主观认知风格的表达。然而，当前多数AI对话系统往往追求语义一致性，牺牲了表达的多样性与可解释性。近日，一项发表于arXiv的研究提出名为MAPS（多智能体视角空间）的新框架，旨在建模具有不同认知风格的智能体之间的对话交互。

MAPS通过三个核心机制实现这一目标：首先，利用领域加权配置描述每个智能体的认知偏好；其次，采用基于GRU的动态记忆模块追踪对话历史；最后，引入可解释的令牌级注意力机制，使系统能够同时维护个体化的推理过程，并逐步收敛到共享的语义理解。

研究团队在EmpatheticDialogues、TopicalChat和MultiWOZ等多个对话数据集上进行了评估。实验表明，MAPS能够在保持对话连贯性的同时，有效支持智能体之间的语义对齐，且不会压制其主观表达。这一成果为构建更贴近人类认知、兼具表达能力与可解释性的对话系统提供了新的技术路径，有望推动AI在情感交互、个性化服务等场景中的应用发展。