强化学习生成感知-行动规则提升心智理论推理
热点事件持续更新
强化学习生成感知-行动规则提升心智理论推理
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Soyoung Oh 等作者发表的论文用 GRPO 训练 Qwen2.5 和 Llama3，让模型生成连接感知与行动的 if–then 规则，以提升心智理论（ToM）推理。在四个 ToM 基准上，该方法优于提示词、监督微调和 think 推理。 论文还报告，参数量 ≥3B 的模型所生成的规则可迁移用于提升 GPT-4o-mini 的下游表现，作者据此认为显式规则有助于弥合 ToM 推理差距并支持跨模型知识迁移。上述结论来自论文自身，尚待独立验证。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
用强化学习让 LLM 学会感知到行动的规则，提升心智理论推理报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.CL用强化学习让 LLM 学会感知到行动的规则，提升心智理论推理
研究用 GRPO 训练 Qwen2.5 和 Llama3，通过生成感知到行动的 if–then 规则来提升心智理论（ToM）推理，在四个 ToM 基准上优于提示词、监督微调和 think 推理。≥3B 模型生成的规则还能迁移，提升 GPT-4o-mini 的下游表现，表明显式规则可弥合 ToM 推理差距并支持跨模型知识迁移。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。