★ 2
从宏观社会信号学习个体行为模拟
论文提出 macro2mind，利用预测市场的价格轨迹训练语言模型学习行为推理，用 GRPO 优化。模型在 Polymarket 上取得最优方向准确率，并零样本迁移到四个用户模拟基准，作为数据生成器可将下游模拟器准确率提升 15.5 个百分点。
arXiv cs.LG26 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 macro2mind，利用预测市场的价格轨迹训练语言模型学习行为推理，用 GRPO 优化。模型在 Polymarket 上取得最优方向准确率，并零样本迁移到四个用户模拟基准，作为数据生成器可将下游模拟器准确率提升 15.5 个百分点。