★ 3
RLCE：用比较证据强化学习训练社交智能
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…
arXiv cs.AI27 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…