CToM：通过预测用户回应让 LLM 学会自我修订

研究者提出 Collaborative Theory of Mind（CToM）框架，训练 LLM 先起草回应、预测用户将如何回应，再用该预测指导内部修订。在数学推理、编程和写作任务上，CToM 的协作表现优于所有基线，协作数学推理最终准确率从 naive GRPO 的 74.1% 提升至 79.6%。相同奖励下，加入预测监督使编程任务用户回复数减少 8%、写作任务减少 17%，同时任务表现提升。