arXiv · cs.CL· Tiezheng Yu·· 24 天前精选AI 评分52
HARPO：兼顾忠实与创造力的幻觉感知强化学习框架
HARPO: Hallucination-Aware Reinforcement Learning for Faithful and Creative Language Generation
来源与原文
arXiv · cs.CL
作者：Tiezheng Yu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.03063v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 HARPO 强化学习框架，用可验证反馈训练的幻觉感知生成奖励模型 HA-GRM 联合优化忠实性与创造力，仅对无幻觉输出激活写作奖励，并通过课程从创作任务渐进过渡到幻觉任务。
推荐理由
论文给出了 HA-GRM 在 RAGTruth 上的 F1 对比和 Qwen3-4B 幻觉率与创作分的前后数据，可评估该框架的实际收益。
来源：arXiv · cs.CL · arxiv.org