arXiv · NLP· Minqian Liu, Yuexi Shen, Heajun An, Qi Zhang, Pamela J. Wisniewski, Sang Won Lee, Jin-Hee Cho, Lifu Huang·· 4 小时前AI 评分39
Probe-RPO：基于隐式信念作为可扩展过程奖励的战略说服框架
Implicit Beliefs as Scalable Process Rewards for Strategic Persuasion
AI 导读
团队提出 Probe-RPO 框架，将说服者内在状态转化为密集过程奖励以优化 LLM 多轮战略对话。 引入 PersuArena 模拟环境，在五个领域实验中，Probe-RPO 实现 52.5% 全接受率，优于最强 GRPO 消融的 35.8%。 该工作为战略对话中的过程监督提供了有效范式。
来源：arXiv · NLP · arxiv.org