Mental-R1：面向心理健康评估的LLM推理对齐

研究提出 Cognitive Relative Policy Optimization（CRPO）强化学习框架，用于心理健康评估中的 LLM 推理对齐。该框架通过分阶段熵正则化模拟人类从不确定到确定的认知转变，并基于认知评价理论形式化推理阶段。 在 8 个心理健康数据集上，CRPO 的加权 F1-score 较最佳强化学习基线平均提升 10.4 个百分点。经 CRPO 训练的 Mental-R1 在推理密集型案例上优于现有大语言模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。