研究者提出CToM框架训练LLM预测用户回应
热点事件持续更新
研究者提出CToM框架训练LLM预测用户回应
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者提出 Collaborative Theory of Mind（CToM）框架，训练大语言模型先起草回应、预测用户将如何回应，再用这一预测指导内部修订。 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%；在相同奖励下，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。上述结果来自该研究的报告。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
CToM：通过预测用户回应让 LLM 学会自我修订报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AICToM：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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。