arXiv · AI· Deeraj S K, Sadhana Devarajan, Krishna Mehra, Sudhakar Mishra·· 8 小时前AI 评分31
对抗鲁棒性探测：RL 训练共情智能体中的 RLVER 漏洞分析
Can You Break RLVER? Probing Adversarial Robustness of RL-Trained Empathetic Agents
AI 导读
研究者引入对抗共情基准（AEB）与情感一致性分数（ECS），评估基于可验证情感奖励的强化学习（RLVER）模型。 在包含 480 段对话、Qwen2.5 基座模型的 8 项场景中，RLVER-PPO-Think 的隐藏意图检测率提升 53%，FS 分数达 0.979（p<10^-12）。
来源：arXiv · AI · arxiv.org