arXiv · cs.AI· Soyoung Oh, Nursulu Sagimbayeva, Nicholas Jennings, Paulina Hussein, Mehwish Alam, Vera Demberg·· 5 小时前
GRPO与if-then规则提升大语言模型的心智理论行动推理
Learning Perception to Action Rules through Reinforcement Learning for Theory-of-Mind Reasoning
arXiv:2610.19796v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Soyoung Oh, Nursulu Sagimbayeva, Nicholas Jennings, Paulina Hussein, Mehwish Alam, Vera Demberg
研究任务与主要进展
研究者生成连接感知、信念与行动的简洁if-then规则，并用GRPO训练Qwen2.5和Llama3，以改善心智理论推理中从心理状态推断到行动预测的衔接。基于论文摘要，该方法在四个ToM基准上优于提示、监督微调和think reasoning；参数规模大于等于3B的模型生成的规则还可迁移并提升GPT-4o-mini的下游表现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org