VerbalValue: A Socially Intelligent Virtual Host for Sales-Driven Live Commerce
作者: Yuyan Chen
分类: cs.AI
发布日期: 2026-05-14
备注: Accepted to the CVPR 2026 HiGen Workshop
💡 一句话要点
VerbalValue：面向销售的直播电商社交智能虚拟主持人
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 直播电商 虚拟主持人 大型语言模型 领域知识库 销售转化
📋 核心要点
- 现有AI系统在直播电商场景中，无法有效模拟优秀主持人，缺乏产品专业知识和销售技巧。
- VerbalValue构建领域知识库和销售术语词典，并微调LLM，以提供更具同理心和商业导向的回应。
- 实验表明，VerbalValue在信息量、事实正确性、策略性和观众参与度方面均优于现有模型。
📝 摘要（中文）
优秀的直播电商主持人不仅仅是叙述者，更是销售代理，他们通过专业的产品知识、情商高的回应策略以及作为产品展示媒介的娱乐性，将观众的好奇心转化为购买意愿。然而，目前尚无AI系统能够复制这一点：对话式推荐系统将推荐视为终结行为，而通用LLM则会虚构产品声明，并默认使用无法吸引或说服观众的通用促销模板。我们提出了VerbalValue，一个面向销售转化的虚拟主持人，它将卓越的语言能力转化为实际商业价值，建立在三个贡献之上。首先，我们构建了一个产品规格的领域知识库和一个精选的销售术语词典，将与产品相关的回应锚定在经过验证的专业知识中。其次，我们收集并标注了1475个涵盖不同观众意图的直播电商互动。第三，我们在此数据上微调了一个大型语言模型，以提供富有同情心、以商业为导向的回应，通过同情放大、基于证据的反驳和幽默介导的转移来适应观众的意图。与GPT-5.4、Claude Sonnet 4.6、Gemini 3.1 Pro和其他基线的实验表明，信息量提高了23%，事实正确性提高了18%，并且在策略性和观众参与度方面具有一致的优势。
🔬 方法详解
问题定义：现有直播电商AI系统无法有效模拟优秀主持人的销售能力。对话式推荐系统侧重于推荐本身，而通用LLM容易产生虚假信息，且缺乏针对性的销售策略，难以有效转化观众的购买意愿。
核心思路：VerbalValue的核心思路是构建一个专门面向销售转化的虚拟主持人，通过领域知识库、销售术语词典和微调的LLM，使其具备专业的产品知识、情商和销售技巧，从而更好地引导观众完成购买。
技术框架：VerbalValue的技术框架主要包含三个部分：1) 领域知识库和销售术语词典：用于存储和管理产品规格和销售术语，确保回应的准确性和专业性。2) 数据收集和标注：收集并标注大量的直播电商互动数据，用于训练LLM。3) LLM微调：在收集的数据上微调LLM，使其能够生成富有同情心、以商业为导向的回应。
关键创新：VerbalValue的关键创新在于其面向销售转化的设计理念，以及将领域知识库、销售术语词典和LLM微调相结合的方法。与现有方法相比，VerbalValue更注重提升虚拟主持人的销售能力，而非仅仅提供信息或推荐。
关键设计：论文的关键设计包括：1) 领域知识库的构建方法，如何有效地收集和组织产品规格信息。2) 销售术语词典的构建方法，如何选择和定义与销售相关的术语。3) LLM微调策略，如何设计损失函数和训练目标，以提升模型的销售能力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，VerbalValue在信息量方面比GPT-5.4、Claude Sonnet 4.6和Gemini 3.1 Pro等基线模型提高了23%，在事实正确性方面提高了18%。此外，VerbalValue在策略性和观众参与度方面也表现出一致的优势，证明了其在直播电商场景中的有效性。
🎯 应用场景
VerbalValue可应用于各种直播电商平台，作为虚拟主持人与观众互动，提升产品销量。它还可以用于培训新的直播电商主持人，提供个性化的销售指导。此外，该技术还可以扩展到其他销售场景，例如在线客服和电话销售。
📄 摘要（原文）
A skilled live-commerce host is not merely a narrator, but a sales agent who converts viewer curiosity into purchase intent through expert product knowledge, emotionally intelligent response tactics, and entertainment that serves as a vehicle for product exposure. Yet no existing AI system replicates this: conversational recommenders treat recommendation as a terminal act, while general-purpose LLMs hallucinate product claims and default to generic promotional templates that fail to engage or persuade. We present VerbalValue, a sales-conversion-oriented virtual host that turns exceptional verbal ability into real commercial value, built on three contributions. First, we construct a domain knowledge base of product specifications and a curated sales terminology lexicon that anchor product-related responses in verified expertise. Second, we collect and annotate 1,475 live-commerce interactions spanning diverse viewer intents. Third, we fine-tune a large language model on this data to deliver empathetic, commercially oriented responses, adapting to viewer intent through empathetic amplification, evidence-backed rebuttal, and humor-mediated deflection. Experiments against GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Pro, and other baselines demonstrate gains of 23% on informativeness and 18% on factual correctness, with consistent advantages in tactfulness and viewer engagement.