实体
SocialRL
SocialRL
PulseAugur coverage of SocialRL — every cluster mentioning SocialRL across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的SocialRL框架通过多轮强化学习增强大型语言模型的社交智能
研究人员开发了SocialRL，一个旨在通过多轮强化学习和复杂的奖励设计来增强大型语言模型（LLMs）社交智能的新框架。该方法解决了现有方法只关注单轮交互和即时奖励的局限性，这些方法可能导致次优的长期规划。SocialRL利用近端策略优化（PPO）在多轮中传播延迟奖励，从而实现更有效的长时程规划。该框架包含六个不同的奖励维度，包括目标推进和关系协调，并采用动态奖励模型，根据对话阶段调整优先级，最终使目标达成率平均提高9.2个百分点。
-
新的 SocialRL 方法训练小型 LLM 匹配 GPT-4/5 的谈判技能
一篇新的研究论文介绍了一种名为 SocialRL 的方法，旨在增强小型语言模型（40亿参数）的社交推理能力。SocialRL 框架训练模型充当战略谈判者而非被动代理，从而提高了它们在包括交易达成和面试在内的六个不同领域的表现。研究表明，这些经过训练的模型在模拟谈判场景中可以媲美甚至超越 GPT-4.1、GPT-5.1 和 GPT-5.2 等大型模型的性能。