TRACER显式追踪用户意图演化，并以真实对话监督和多轮强化学习对齐行为轨迹。
推荐理由：单轮回复像真人并不保证最终行为可信，TRACER直接对齐多轮意图变化和交互结果；这会让智能体训练与评测所用的模拟用户更接近真实分布。
阅读原文