实体
Capo
Capo
PulseAugur coverage of Capo — every cluster mentioning Capo across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SOPO框架改进了LLM幻觉检测，优于GPT-5
研究人员开发了一个名为苏格拉底引导策略优化（SOPO）的新框架，以改进大型语言模型中幻觉的检测。SOPO利用一种苏格拉底反馈机制，其中教师模型提供间接提示来指导推理过程，解决了奖励稀疏和长度膨胀等问题。SOPO模型，特别是4B版本，在RAGTruth基准测试上展示了最先进的性能，优于GPT-5等专有模型和其他RL基线。
-
新研究探究大型推理模型如何失控
两篇新研究论文深入探讨了大型推理模型（LRMs）的推理能力，并分析了它们的思考过程如何会出错。第一篇论文介绍了RADAR（通过动态注意力响应进行推理状态分析）来识别和纠正可能导致资源耗尽的失控推理。第二篇论文提出了一种认知分类法来分析LRM推理，发现回答后的“二次检查”通常很肤浅，并建议进行干预以改善自我纠正。
-
新的Harness-RL框架增强了LLM代理训练
研究人员开发了Harness-RL，一个旨在改进在多代理环境中运行的大型语言模型（LLM）代理训练的新强化学习框架。该框架解决了优化动作及其参数的共享序列级信号以及处理动态、相互依赖的会话等挑战。Harness-RL利用冲突感知策略优化（CAPO）和黑盒轨迹构建来解耦策略梯度并准确捕捉会话动态。在七个基准测试的评估中，Harness-RL使用Qwen2.5模型取得了强劲的性能，证明了其方法的有效性。