EMNLP 2026 Main|AI群聊怎样多元化？佐治亚理工和麻省理工提出MASCOT

论文：MASCOT: Multi-Agent Socio-Collaborative Companion Systems

作者：Yiyang Wang, Yiqiao Jin, Alex Cabral, Josiah Hester

arXiv：https://arxiv.org/abs/2601.14230

网站：https://hello-diana.github.io/MASCOT/

代码：https://github.com/hello-diana/MASCOT

想象一下，你向几个 AI 倾诉最近的压力。

第一个说：「我理解你的感受。」

第二个接着说：「有这样的情绪很正常。」

第三个补上一句：「你并不孤单。」

大家都很友善。可聊了一圈，你只听到了同一句话的三个版本。

原本设想中的 AI 群聊，应该像一个各有所长的小团队：有人耐心倾听，有人帮助分析，也有人鼓励你迈出下一步，提出实质解决方案。但实际交流中，这些角色可能越来越像，讨论也容易变成轮流附和。

角色数量增加了，有用的视角却未必随之增加。

图 1  MASCOT 的设计目标 —— 让多个角色围绕同一位用户提供互补视角，并形成连贯的群体对话。 来自佐治亚理工学院与麻省理工学院的研究团队提出了  MA SC OT，通过两阶段训练，同时优化个体角色行为与群体协作策略。 团队先让每个角色学会自己的分工，再训练一位「主持人」，根据对话进展选择下一位发言者，并制定回应策略。

多个 AI 如何在形成一个协作团队？

论文的例子很直观。用户回忆，自己搬到国外后，丈夫需要出差，身边只有刚出生的孩子和一只狗，那段时间格外孤独。

在基线方法中，前两位角色先后表达理解。用户回应说，被倾听和理解让自己踏实了一些。接下来，其他角色继续安慰：很高兴你感到被支持，你并不孤单，感到不知所措也是正常的。

每句话单独看都没有明显问题，但不同角色的用词和讨论的内容在上下文中存在明显重复。用户已经表达了新的感受，对话仍在反复确认用户最初表达的情绪。

MASCOT 的对话也从理解与安慰开始。随后，一位角色接着前面的支持，邀请用户回顾：当时靠什么力量撑了过来？这些经验能否帮助现在的自己重新建立联系？

用户于是说，自己当时一直提醒自己，孤独只是暂时的；现在或许也可以保持耐心，慢慢与人建立联系。下一位角色顺着这条线索，肯定用户已经表现出的韧性和耐心。

前一个角色提供的支持，成为了下一个角色继续交流的起点。 用户的回应也推动了后续对话的展开。

图 2  同一情境下的对话比较。红色是基线中的重复安慰，绿色是 MASCOT 承接前文并增加新视角的部分。 写好人设之后，还要让模型真正学会分工

多智能体协作面临一个基础难题：当对话持续推进、用户需求不断变化时，如何让不同智能体保持各自的分工，并持续提供互补的贡献？

这要求智能体同时做到两件事：根据最新的对话调整回应，并保持自身角色的行为特点。例如，倾听者需要跟进用户的情绪变化，分析者需要结合新信息提出有价值的问题；它们还需要理解其他角色已经提供了什么，避免重复已有的回应。

角色之间的差异，必须在动态交互中持续发挥作用。

随着交流推进，不同角色可能逐渐回到相似的通用回应模式，都在确认情绪、重复建议。每条回复单独看都合理，整个群体却缺少新的贡献。这种 角色坍塌（persona collapse） 会削弱多智能体协作所依赖的功能分工。

为此，MASCOT 将角色一致性纳入训练目标，让角色差异落实为可学习、可优化的回应行为。

在情感支持实验中，团队设置了三种角色，与前面案例中的人物对应：

MASCOT 在情感支持场景中设置了多种角色，比如：

Alice （倾听者）：偏重倾听和确认情绪，为用户提供耐心、非评判性的回应。

Bob （鼓励者）：关注积极体验和已有优势，给予具体的鼓励与肯定。

Cathy （分析与反思引导者）：通过追问与换位思考，帮助用户梳理问题，探索原因和可能的下一步。

…

这些差异需要体现在回应的内容和作用上。光换语气还不够。

因此，MASCOT 的第一阶段是  P er sona-Aware Behavioral Alignment 。系统针对同一情境、同一角色生成多个候选回应，再利用强模型的反馈，筛选质量差距明确的偏好对（preference pairs），训练专门的奖励模型。该奖励模型学习判断一条回应是否符合指定角色，以及是否贴合当前情境。

这些比较可以回答很具体的问题：对于倾听者，哪种回应更贴近用户刚刚表达的情绪？对于分析者，哪一个问题更能帮助用户梳理处境？

这样，「符合角色」就从一段提示词，变成了模型可以学习的训练信号。

随后，MASCOT 采用  GRPO ，根据奖励模型提供的评分微调发言模型，使更符合角色要求的回应获得更高的生成概率。

每个角色都会说话，还需要有人判断何时开口

即使每个角色都能做好自己的事，群聊仍然可能不顺畅。

用户刚表达难过，分析者就追着问原因；话题已经向前推进，另一位角色却又把它带回最初的安慰。发言本身合适，还要接得上当前的对话。

MASCOT 的第二阶段专门处理这种协调问题。

系统固定已经训练好的发言模型，转而训练一个  Director Agent 。它读取已有对话，选择下一位发言者，并给出回应策略：此刻适合继续倾听，还是引导反思，或是讨论下一步行动？具体回复仍由被选中的角色生成。

Director 怎样知道自己的安排好不好？

训练时，模拟用户会继续参与交流，系统把对话往后展开，再根据整段交流的连贯性、多样性和有效贡献进行评价。

一条发言安排的价值，要结合它带来的后续对话来判断。

例如，让一个角色继续安慰，可能让用户感到被理解，也可能只是重复前文；让另一个角色提出问题，可能带来新的思考，也可能打断用户的表达。只看当下的一句回复，很难区分这些情况。

MASCOT 在不同的对话位置采样主持人的决策，生成后续交流，并据此构建群体层面的奖励信号、优化主持人。训练因此能够考虑：这次安排是否带来了有用的新内容？角色之间有没有反复讨论已经说过的事情？后续交流是否仍然围绕用户的处境展开？

这一阶段同样采用 GRPO 更新 Director 的参数，而发言模型和模拟用户保持冻结。由此，系统可以在角色能力相对稳定的基础上，专门学习哪些发言安排能够带来更好的后续交流。

主题：