最近、ACL 2026に採録された研究が「探求型対話エージェント」（Inquisitive Conversational Agents, ICA）という新概念を提唱し、米国最高裁判所の口頭弁論向けの対話システムを開発しました。従来の対話システムはユーザーの要求に応答することに重点を置いていましたが、実際の重要な場面ではエージェントが自らの目的を達成するために積極的に情報を収集する必要があります。例えば、法律相談、医療診断、金融交渉などでは、エージェントはユーザーがすべての情報を提供するのを待つのではなく、自ら重要な詳細を質問しなければなりません。この課題に対処するため、研究チームは二重階層強化学習フレームワークを提案しました。このフレームワークでは、2つの強化学習エージェントが協調して動作します。1つはマクロな対話戦略管理を担当し、いつ話題を変更するか、深堀りするか、要約するかを決定します。もう1つはミクロな発話生成を担当し、個々の質問の表現やトーンを制御します。この階層的设计により、エージェントは裁判官のように戦略的な質問を通じて、口頭弁論中の重要な事実や法的根拠を段階的に明らかにすることができます。
このフレームワークの核心的な利点はその柔軟性にあります。マクロエージェントは対話の全体的な経路（例えば、開始質問から徐々に争点に深く入り込む）を学習し、ミクロエージェントは現在の対話状態に基づいて自然で的を射た質問を生成します。2つのエージェントは共有の報酬信号を通じて共同最適化され、報酬関数は限られた対話ターン数内で最も関連性の高い法的情報を取得するエージェントを奨励するように設計されています。研究チームは米国最高裁判所の過去の口頭弁論記録を使用して訓練と評価を行いました。これらの記録には裁判官と弁護士の実際の質問と応答のパターンが含まれています。実験結果は、この手法がルールベースシステムや従来の強化学習変種を含む複数のベースラインモデルを、複数の人間評価と自動評価指標で上回ることを示しました。特に、エージェントは情報のギャップを効果的に識別し、適切なタイミングで探求的な質問をすることで、情報収集の完全性と効率を大幅に向上させました。
現在の研究は法律分野に特化していますが、研究者らはこのフレームワークは汎用的であり、将来は医療、金融、カスタマーサービスなど積極的な情報収集が必要な他の分野にも拡張可能であると指摘しています。この論文はACL 2026のFindingsとして採録され、関連コードとデータも公開されています。この研究は、対話システムを受動的な応答から能動的な探求へと転換する重要な一歩を示し、ハイステークス領域における専門的な対話アプリケーションの基盤を築くものです。