强化学习生成感知到行动规则提升ToM推理
热点事件持续更新
强化学习生成感知到行动规则提升ToM推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究团队用 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。 团队称，3B 及以上大模型生成的规则还能作为可迁移知识，提升 GPT-4o-mini 的下游表现。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
用强化学习让 Qwen2.5 与 Llama3 学会感知到行动的规则以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 Qwen2.5 与 Llama3 学会感知到行动的规则以提升心智理论推理
研究团队用 GRPO 训练 Qwen2.5 和 Llama3，通过生成连接感知与行动的 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 及以上大模型生成的规则还能作为可迁移知识，提升 GPT-4o-mini 的下游表现。
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。