当用户与对话智能体交流时，很少直接表明满意与否。更多时候，真实态度藏在后续对话中：重新提问、补充说明、纠正错误，或转换话题。对智能体而言，真正的挑战不仅是答好当前问题，更在于能否读懂这些隐性信号并持续调整对话策略。

智能体的回答类型与用户后续反馈的关系图

为此，浙江大学设计学团队提出IEvoAgent，一种基于用户隐性反馈持续进化的对话智能体。团队从大规模真实人机对话数据中构建标注数据集，分析发现智能体的回答类型与用户后续反馈之间存在稳定的结构性关联。基于此，IEvoAgent结合离线偏好对齐与在线推理进化机制：前者让智能体预先掌握回答方式与用户反馈的关联，后者使其在对话中根据用户的追问、纠正和话题转换实时调整策略，持续适应用户偏好变化。

IEvoAgent的在线推理进化技术路线图

本研究由人工智能学院陈培研究员团队完成。该成果的第一作者为人工智能专业博士生蔡逸晨。“我们希望这项工作能让智能体的自我优化更贴近自然的人机交互场景，使智能体无需额外的显式反馈，就能在真实对话中完成进化，为个性化智能助手等领域的进一步研究与应用提供支撑。”蔡逸晨分享道。

浙江大学人工智能专业博士生蔡逸晨

项目成果：
项目成果于2026年7月发表于国际人工智能领域顶级会议ACL 2026，并被推荐为口头报告论文。研究团队：蔡逸晨、李佳阳、邱俊渊、郭静雅、尤伟涛、杨昌源、孙凌云、陈培*。本项目受到国家自然科学基金等项目资助。

论文原文链接：
Yichen Cai, Jiayang Li, Junyuan Qiu, Jingya Guo, Weitao You, Changyuan Yang, Lingyun Sun, and Pei Chen*. 2026. IEvoAgent: Evolving Conversational Agent based on User Implicit Feedback. In Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 9725–9743.
https://aclanthology.org/2026.acl-long.441/
（*通讯作者）