GRPO 生成 if-then 规则提升 LLM 心智理论推理
热点事件持续更新
GRPO 生成 if-then 规则提升 LLM 心智理论推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Sohyoung Oh 等在 arXiv 论文（2610.19796v1）中提出：让模型生成连接感知、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（ToM）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。 论文还称，参数规模大于等于 3B 的模型生成的规则可迁移，能提升 GPT-4o-mini 的下游表现。目前证据仅来自论文摘要，尚未有独立复现。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
GRPO与if-then规则提升大语言模型的心智理论行动推理报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AIGRPO与if-then规则提升大语言模型的心智理论行动推理
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。