对话幽默大语言模型训练中的奖励作弊与对策研究

一项新研究针对大语言模型的对话幽默训练，揭示了基于意外感与受众笑声预测的自动化奖励易受乱序词和笑声线索作弊的问题。研究团队在引入流畅度过滤和线索归一化对策后进行三轮强化学习训练，最终使综合评估分数提高 0.0903 并将 0 分会话减少 40%，但幽默专项改进仍低于预注册目标。