深度分析 METRO:利用大型語言模型自動建構策略森林提升非合作式對話效能 本研究針對非合作式對話代理人開發的高成本問題,提出 METRO 方法,自動從專家對話文字中誘導策略與規劃邏輯,形成 Strategy Forest 階層結構。實驗顯示其在兩項基準上提升約 9%~10%,且具跨任務轉移性,為成本效益高的策略建置提供新思路。