arXiv · cs.CL· Tarek Naous·· 18 天前AI 评分38
用潜在内在反馈训练用户模拟器（arXiv 论文）
Training User Simulators with Latent Intrinsic Feedback
来源与原文
arXiv · cs.CL
作者：Tarek Naous
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/2610.13617v1
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
研究者提出带内在反馈的用户模拟器，为模型配备潜在评估状态：以第一人称用户视角在每轮对话中对助手进行内心想法、反应和标量评分。基于真实用户与助手的交互日志训练 LLM 模拟器，其模拟真实度与评判能力优于提示词基线，生成的评估与人类判断的相关性也高于同规模提示模拟器。该模拟器还可作为多轮 RL 训练的有效奖励信号，效果可比依赖外部 judge LLM 的方案，同时将 RL 计算量削减一半以上。
来源：arXiv · cs.CL · arxiv.org