Google DeepMind 发布 DialogLab：革命性人机群组对话模拟框架亮相 ACM UIST 2025

DialogLab：人机群组对话模拟的革命性突破

据 Google DeepMind 官方披露，对话式 AI 已从根本上重塑了我们与技术的互动方式。尽管与大语言模型（LLMs）的一对一交互取得了显著进展，但它们很少能捕捉到人类交流的全部复杂性。许多现实世界的对话，包括团队会议、家庭晚餐或课堂讨论，本质上是多方参与的。这些互动涉及流畅的轮转、角色转换和动态打断。

传统模拟的局限与 DialogLab 的诞生

对于设计师和开发者来说，模拟自然且引人入胜的多方对话历来需要权衡：要么接受脚本化交互的刚性，要么接受纯生成模型的不可预测性。为了弥合这一差距，我们需要能够将脚本的结构化可预测性与人类对话的自发即兴性质相结合的工具。

为了满足这一需求，Google DeepMind 在 ACM UIST 2025 上推出了 DialogLab，这是一个开源原型框架，专为创作、模拟和测试动态人机群组对话而设计。DialogLab 提供了一个统一界面来管理多方对话的复杂性，处理从定义智能体角色到编排复杂轮转动态的一切事务。通过将实时即兴与结构化脚本相结合，该框架使开发者能够测试从结构化问答环节到自由流动的创意头脑风暴等各种对话。

评估结果：高效迭代与逼真模拟

在14名终端用户或领域专家的评估中，DialogLab 被验证支持高效迭代和逼真、可适应的多参与者设计，适用于培训和研究。参与者的反馈进一步强调了系统在自动化与控制之间取得平衡的能力：

• 直观且引人入胜：大多数参与者发现 DialogLab 易于使用，用于设置场景和角色的可视化拖放界面既有趣又高效。
• 灵活且可控：用户赞赏自动生成提示与微调对话细节能力之间的平衡。系统模拟不同主持策略的能力也被强调为关键优势。
• 逼真模拟：人类控制模式是测试中的明显首选，用户报告称它赋予了他们更强的代理感和沉浸感。与完全自主或纯反应式智能体相比，它被评为在模拟人类行为方面更具吸引力、更有效且更逼真。
• 强大验证：验证仪表板被视为有价值的诊断工具，可快速分析对话动态，而无需阅读冗长的转录文本。

未来展望：迈向更沉浸式的多模态体验

展望未来，Google DeepMind 设想更丰富的多模态行为，如非语言手势和面部表情，可以集成到此框架中。我们还可以探索使用逼真的虚拟化身和 3D 环境（如 ChatDirector），在开源 XR Blocks 框架中创建更沉浸和逼真的模拟。我们希望这项研究能激发人机群组对话动态这一激动人心且新兴领域的持续创新。