新框架使用模拟对话训练大型语言模型进行战略说服

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一个新的框架，用于训练大型语言模型进行多轮战略说服。该框架解决了模拟真实说服对象和为对话信用分配提供有效监督的挑战。它引入了 PersuArena，一个用于生成真实说服轨迹的环境，以及 Probe-RPO，一种在线强化学习方法，它使用说服对象的内部状态的内省探针来创建密集的进程奖励。实验表明，与现有方法相比，该方法在各个领域都显著提高了接受率。 AI

影响这项研究为训练大型语言模型进行复杂的战略对话提供了一种新颖的方法，有可能提高它们在谈判和提供建议等领域的 [能力](https://www.google.com/search?q=capabilities)。

排序理由该集群包含一篇详细介绍 LLM 训练新框架和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍 LLM 训练新框架和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Minqian Liu, Yuexi Shen, Heajun An, Qi Zhang, Pamela J. Wisniewski, Sang Won Lee, Jin-Hee Cho, Lifu Huang · 2026-10-27 04:00

隐性信念作为可扩展过程奖励用于战略说服

arXiv:2610.33527v1 Announce Type: cross Abstract: Training large language models (LLMs) for multi-turn strategic persuasion faces two coupled obstacles: (i) realistic simulation of psychologically grounded persuadees, and (ii) dense, faithful supervision for credit assignment in …

本文如何被排名

报道来源 [1]

隐性信念作为可扩展过程奖励用于战略说服

相关实体

相关话题