跳到正文
arXiv · AI· Emanuele Rimoldi, Riccardo Neumarker, Tomaso Poggio, Daniel Mitropolsky·· 24 天前AI 评分35

基于图灵测试不可区分性的强化学习奖励机制

Uncovering the Turing Test's Latent Signal: Indistinguishability as a Reward

AI 导读

研究人员提出基于图灵测试的领域教师测试范式,利用模型被误认为教师的概率作为强化学习奖励。 该范式使用 DeepSeek V4 Flash 作为教师,训练 Qwen2.5-1.5B 学生在无标准答案时学习。 结果显示学生模型在 CommonsenseQA 等多个独立领域评测中性能均有所提升。

来源:arXiv · AI · arxiv.org