arXiv · cs.AI· Soyoung Oh·· 13 天前AI 评分37
通过强化学习从感知到行动规则提升大语言模型心智理论推理
Learning Perception to Action Rules through Reinforcement Learning for Theory-of-Mind Reasoning
来源与原文
arXiv · cs.AI
作者：Soyoung Oh
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/2610.19796v1
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
研究提出用显式 if--then 规则连接感知、信念与行动，并用 GRPO 训练 Qwen2.5 和 Llama3 模型，在四个 ToM 基准上超越了提示、监督微调和 think reasoning。≥3B 模型生成的规则还可迁移，提升 GPT-4o-mini 的下游表现。
来源：arXiv · cs.AI · arxiv.org