arXiv · cs.AI· Fanzhi Zeng, Anubrata Das, Maytal Saar-Tsechansky, Liu Leqi·· 5 小时前
CToM框架让大语言模型通过预测用户反馈实现自我修订
Collaborative Theory of Mind: Learning to Self-Revise by Anticipating User Responses
arXiv:2610.12872v1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：Fanzhi Zeng, Anubrata Das, Maytal Saar-Tsechansky, Liu Leqi
研究任务与主要进展
作者提出Collaborative Theory of Mind（CToM）框架，训练大语言模型预测用户对草稿的回复，并据此在呈现回复前进行自我修订。方法将用户回复预测目标与GRPO结合，在数学推理、编码和写作任务上取得高于基线的协作表现；摘要报告数学协作推理任务最终准确率由74.1%提升至79.6%，相同奖励下预测监督分别使编码和写作所需用户回复数减少8%和17%。
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