跳到正文
热点事件持续更新

研究提出战略说服训练框架并报告接受率提升

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Minqian Liu 等人提出 PersuArena 说服仿真环境和 Probe-RPO 在线强化学习框架；在 PersuArena 实验中，Probe-RPO 的完整接受率为 52.5%，高于最强 GRPO 消融版本的 35.8% 和最佳现成 LLM 的 25.8%。该框架从冻结的被说服者 logits 中读取三个内省探针，将其内部状态转为密集过程奖励，用于训练多轮战略说服模型。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00
Probe-RPO：将隐式信念用作战略说服的可扩展过程奖励

报道时间线

沿着报道，了解事件的不同侧面。

10月28日
  1. arXiv · Machine Learning
    Probe-RPO：将隐式信念用作战略说服的可扩展过程奖励

    研究提出 PersuArena 说服仿真环境与 Probe-RPO 在线强化学习框架，将被说服者的内部状态转化为密集过程奖励，用于训练多轮战略说服模型。Probe-RPO 在 PersuArena 实验中的完整接受率为 52.5%，高于最强 GRPO 消融版本的 35.8% 和最佳现成 LLM 的 25.8%；奖励信号由冻结的被说服者 logits 中读取的三个内省探针生成。

本事件热度走势

可比范围当前
7
可比范围峰值
810月28日 21:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。