研究人员开发了一个名为 Think-Strategy-Response (TSR) 的新框架，以提高大型语言模型 (LLM) 的社交智能。该框架受计划行为理论的启发，将社交对话分解为战略规划和语言执行阶段。为了优化 TSR，他们引入了具有方差门控奖励的线性分层强化学习 (LHRL-VGR)，该方法根据目标实现方差动态调整奖励。在 SOTOPIA 基准测试上的实验表明，使用此方法微调的 Qwen2.5-7B 智能体在社交谈判任务上的表现比 GPT-4o 高出 7.32%。 AI
影响 这项研究可能带来更擅长复杂社交互动和多智能体谈判的 LLM。
排序理由 详细介绍 LLM 新框架和算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- GPT-4o
- Linearized Hierarchical Reinforcement Learning with Variance-Gated Rewards (LHRL-VGR)
- qwen2.5:7b
- SOTOPIA benchmark
- theory of planned behavior
- Think-Strategy-Response (TSR) framework
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
