遵循法律要求的流程：训练语音智能体以迁移至债务催收中未见过的受监管程序

arXiv:2610.18881v1 公告类型：交叉收录 摘要：基于大语言模型（LLMs）的语音智能体如今已用于处理客户来电，但在受监管的应用中，仅仅完成任务还不够：智能体必须遵循法律规定的对话流程。在债务催收中，它必须在提及债务之前确认通话对象为债务人，表明自身及债权人的身份，说明欠款金额，并避免使用禁止性措辞。每个债权人都会将这些规则转化为自身的程序，并不断修订。我们研究的是：能否对一个小型、自托管的策略模型进行一次训练，使其随后能够遵循从未见过的受监管程序。每次部署均使用一份机器可读规范 FlowSpec，用于生成策略指令、控制工具使用权限、提供监督信号并定义测试；智能体只能说出获准话语目录中的句子。我们使用来自297种随机化程序的2,506段对话，对一个90亿参数模型进行微调，并在四种未见过的部署程序（三种债务催收程序、一种非债务程序）上评估一个泰语外呼智能体，其中一种来自完全未纳入训练的程序谱系。由程序确定的文档依据检查，其通过率从67%—71%提升至93%—100%；而由对话确定的实际依据检查，在训练前的通过率就已达到97%—100%；场景通过数则从15/43提升至40/43。对这份共用规范的审计发现了11项缺陷，其中3项未被其自身的评估指标揭示。