RLCE 社交智能强化学习框架

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。