RRR：叙事理论驱动强化学习改进反事实故事生成

论文作者团队提出 Retell, Reward, Repeat（RRR），一个基于叙事理论的大模型强化学习后训练管线，通过叙事理论标注和 LLM-as-judge 奖励，训练模型生成具有因果结构的故事，面向反事实故事生成任务。 基于论文摘要，RRR 训练的 7/8B 模型在逻辑性、合理性和完整性上优于少样本提示与 SFT 基线，并在盲评人类偏好子集中表现一致。该方法只需小型、仅含查询的数据集，作者称其为一种语言学上有依据、成本较低的后训练机制。

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。