提出CToM框架：训练LLM预测用户反馈并自我修订

Fanzhi Zeng 等在 arXiv 论文（cs.AI）中提出 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，同时优化任务表现和交互效率。 论文摘要报告，在协作数学推理任务上，最终准确率相比朴素 GRPO 基线由 74.1% 提升至 79.6%；相同奖励下，预测监督分别使编码和写作任务所需用户回复数减少 8% 和 17%。以上结果基于论文摘要，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。