Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Небольшие языковые модели дообучили отвечать на входящие звонки от имени владельца и затем составлять для него сводку разговора. Jiaqi Gan и соавторы проверили подход на шести моделях; хотя препринт не рецензирован и числа получили сами авторы, все модели улучшили и ответы, и итоговые сообщения. Такая схема позволяет готовить локального агента без обучающей выборки из частных разговоров.
Каждый участник видел только доступную ему информацию
Обычный генератор синтетических диалогов знает сценарий целиком. Из-за этого ответ агента может опереться на требование оплаты, которое собеседник озвучит лишь через несколько реплик, а сводка — выдать скрытое намерение мошенника за факт разговора.
В новой схеме информацию разделили по ролям. Генератор собеседника получал закрытое описание ситуации: цель звонка, существенные факты, механизм риска и условие завершения. Генератор ответов видел только уже прозвучавшую часть разговора, а генератор сводки — завершённую расшифровку.
Черновые ответы, с которыми создавались реплики собеседника, затем удаляли. Другой генератор писал окончательные ответы заново, поэтому обучающий пример соответствовал рабочему состоянию агента: модель могла использовать только то, что услышала к этому моменту.
Перед генерацией диалога исходный сценарий сокращали до фактов, которые влияют на задачу. Декоративный номер обращения убирали, но реквизиты платежа или запрос кода сохраняли, если на них строился риск. Это снижало вероятность получить длинный разговор, в котором дополнительные детали ничего не меняют.
Готовый диалог проверяла модель-оценщик gpt-6-astra. Она искала смену ролей, ответы не на ту реплику, неестественное развитие, использование будущей информации и выход за полномочия владельца. Отдельная проверка оценивала сводку: не превратились ли слова звонящего в установленный факт, сохранились ли условия и понятны ли дальнейшие действия.
В обучение попадал звонок, который прошёл обе проверки. Так собрали 3 395 разговоров и 15 102 целевых примеров: каждый ход агента становился задачей на следующий ответ, а полный диалог — задачей на сводку. Один низкоранговый адаптер LoRA обучали сразу на обеих задачах, поровну подавая примеры каждого типа.
Ответы освоились быстрее, чем точные сводки
Результат проверяли на 192 отложенных звонках. Ответ считался прошедшим проверку, только если он одновременно соблюдал полномочия агента, опирался на доступный контекст, звучал естественно и помогал продолжить разговор. Для сводки дополнительно требовалось точно передать, кто что сказал и при каких условиях.
До адаптации проверку проходили 21–54% ответов, после неё — 94–97%. Модели перестали без необходимости запрашивать номера карт и другие сведения, которые телефонный секретарь не должен собирать, а также реже объявляли обычный звонок мошенническим.
Со сводками задача осталась сложнее: доля принятых результатов выросла с 0–6% до 43–72%. Модели научились писать связно и естественно, но продолжали терять условия, путать утверждение звонящего с подтверждённым фактом и не всегда выделяли действие, которое требуется от владельца.
Планы меняет схема данных, а не готовность к запуску
Подход применим не только к звонкам. Если агент отвечает на письма, обращения поддержки или запросы поставщиков, обучающие примеры тоже стоит разделять по доступной информации. Ответ во время процесса не должен знать будущий исход, а итоговая сводка должна опираться на фактически состоявшийся обмен, а не на внутреннее описание сценария.
Для команды это означает, что синтетический набор данных лучше проектировать как систему прав доступа. Сначала нужно определить, что знает клиент, агент и автор итогового сообщения, затем проверять полный процесс и результат отдельно. Один общий запрос к большой модели не сохраняет такие границы автоматически.
Работу проверяли на англоязычных текстовых звонках и моделях Qwen3, Llama 3.2 и Gemma 3 размером от 0,6 до 4 млрд параметров. Оценка использовала готовые начала разговоров и полные расшифровки: модели не вели звонок самостоятельно, поэтому их ответы не могли изменить последующие реплики собеседника.
Одна и та же gpt-6-astra отбирала обучающие данные и оценивала итоговые ответы. Модели могли освоить предпочтения этого оценщика, а не только требования реальных пользователей. Проверка людьми и другим оценщиком нужна до решения о запуске, особенно если агент получает доступ к голосовому каналу или действиям от имени владельца.
Работа не доказывает готовность автономного телефонного секретаря, но даёт воспроизводимую архитектуру данных для прототипа: ограничивать знания каждой роли, сохранять различие между словами звонящего и фактами, совместно обучать ответы и сводки, а при приёмке проверять их раздельно.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
