SOPO：多轮强化学习检测跨度级幻觉
热点事件持续更新
SOPO：多轮强化学习检测跨度级幻觉
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Jiawei Dong 等作者发布论文，提出多轮强化学习框架 SOPO，用于跨度级幻觉检测，并开源训练与评测代码及 1.7B、4B 两个模型。 论文称，SOPO 在 rollout 中由教师模型提供间接提示，引导推理轨迹，以缓解难例上的奖励稀疏问题。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AI苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization）：用苏格拉底式引导策略优化做片段级幻觉检测
研究提出苏格拉底引导策略优化（苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization），Socratic Guided Policy Optimization），一种多轮强化学习框架，通过教师模型在 rollout 中提供间接提示来引导推理轨迹，缓解难例奖励稀疏问题。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。