跳到正文
arXiv · NLP· Tarek Naous, Craig Boutilier, Wei Xu, Ofer Meshi·· 2026-10-12AI 评分37

Training User Simulators with Latent Intrinsic Feedback

Training User Simulators with Latent Intrinsic Feedback

AI 导读

研究提出带有内在反馈的用户模拟器,利用真实交互日志训练LLM,证明其提升了模拟真实性和批评行为。 模拟器生成的评价与人类判断相关性优于同尺寸提示基线,并在多轮强化学习中将计算量减少了一半以上。

来源:arXiv · NLP · arxiv.org