arXiv · NLP· Yingshan Susan Wang, Cedegao E. Zhang, Linlu Qiu, Zexue He, Pengyuan Li, Alex Pentland, Roger P. Levy, Yoon Kim·· 13 小时前AI 评分33
Turing-RL:基于图灵测试奖励的用户模拟器强化学习方法
Learning User Simulators with Turing Rewards
AI 导读
研究提出名为 Turing-RL 的基于图灵测试的强化学习方法,用于训练用户模拟器 LLM。该方法利用 LLM 裁判生成判别式图灵奖励,优化生成响应与真实用户历史的不可区分性。
来源:arXiv · NLP · arxiv.org