RLCE：用比较证据强化学习训练社交智能
原文标题：Reinforcement Learning with Comparative Evidence for Social Intelligence
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 RLCE（Reinforcement Learning with Comparative Evidence），一种无需人工标注真值即可从无标签数据中学习社交理解能力的强化学习方法。它通过构造「证据测试」比较同一 rollout 组内不同答案，判断哪种解释更受可观测证据支持，并随策略更新动态重建测试。在情感、语用、交际意图与偏好四个基准上，RLCE 在七种无真值奖励方法中表现最佳，最高超出最强基线 18.93 分。
- 问题
- 社交理解训练依赖人工标注，且情感、意图、偏好等目标模糊，缺少数学代码那样的验证器。
- 方法
- RLCE从同一rollout组内不同答案构造「证据测试」，判断哪种解释更受可观测证据支持，并随策略更新动态重建测试，无需真值奖励。
- 结果
- 在情感、语用、交际意图、偏好四个基准上，于七种无真值奖励方法中最优，最高超出最强基线18.93分。
- 影响
- 为缺乏验证器的社交智能任务提供无标注强化学习路径，降低社交AI训练对人工标注的依赖。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RLCE用组内比较证据替代人工真值，在四个社交理解基准上最高超最强基线18.93分。
- •RLCE从无标签数据学习社交理解，不依赖人工标注真值构建奖励
- •方法核心：在同一rollout组内构造「证据测试」，判断哪种解释更受可观测证据支持
- •测试随策略产生新答案而动态重建，与策略共同演化
- •在情感、语用、交际意图、偏好四个基准上，于七种无真值奖励方法中表现最佳
- •最高超出最强基线18.93分，对比对象包括共识法与策略LLM-judge验证
为什么重要：社交理解缺乏数学、代码那样的可验证答案，该方法为绕开人工标注瓶颈提供了可扩展路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。