arXiv · AI· Jiawei Dong, Zilong Bai, Pengtian zhu, Peng Zhou·· 4 小时前AI 评分38
SOPO：用于 span 级幻觉检测的苏格拉底引导策略优化
SOPO: Socratic Guided Policy Optimization for Span-Level Hallucination Detection
AI 导读
研究者提出 SOPO 多轮强化学习框架，解决 span 级幻觉检测中的定位歧义和奖励稀疏问题。 SOPO 4B 在 RAGTruth 上取得 SOTA 表现，超过 GPT-5 及标准 RL 基线，并开源了 1.7B 和 4B 模型代码。
来源：arXiv · AI · arxiv.org