arXiv cs.AI· Fanzhi Zeng, Anubrata Das, Maytal Saar-Tsechansky, Liu Leqi·· 22 天前AI 评分42
协同心智理论（CToM）：让 LLM 通过预判用户反馈实现自我修正
Collaborative Theory of Mind: Learning to Self-Revise by Anticipating User Responses
AI 导读
研究人员提出协同心智理论（CToM）框架，通过训练大语言模型预判用户回复并据此引导内部自我修正，结合 GRPO 优化多轮协作任务表现与交互效率。在协作数学推理任务中，CToM 相比原生 GRPO 将最终准确率从 74.1% 提升至 79.6%。消融实验显示，增加预测监督使代码任务的用户回复轮数减少 8%，写作任务减少 17%。
来源：arXiv cs.AI · arxiv.org