arXiv cs.LG· Minqian Liu, Yuexi Shen, Heajun An, Qi Zhang, Pamela J. Wisniewski, Sang Won Lee, Jin-Hee Cho, Lifu Huang·· 6 天前AI 评分34
隐式信念：面向战略说服的可扩展过程奖励
Implicit Beliefs as Scalable Process Rewards for Strategic Persuasion
AI 导读
研究者提出 Probe-RPO 框架与仿真环境 PersuArena，通过读取被说服者的隐式信念状态提供密集过程奖励，以优化大语言模型的战略说服能力。在涵盖医疗、金融咨询等场景的实验中，Probe-RPO 取得 52.5% 的完全接受率，优于最强 GRPO 消融版本的 35.8% 与最佳现有 LLM 的 25.8%。
来源：arXiv cs.LG · arxiv.org