SOPO框架发布及模型开源
热点事件持续更新
SOPO框架发布及模型开源
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Jiawei Dong等研究者提出SOPO多轮强化学习框架，旨在解决span级幻觉检测中的定位歧义和奖励稀疏问题。该框架通过苏格拉底式引导策略优化模型表现。 SOPO 4B模型在RAGTruth数据集上取得SOTA表现，不仅超越了GPT-5及标准强化学习基线，还在四个域外基准上比GRPO获得更高的平均分数，但在与CAPO的对比中证据不一。研究者已开源1.7B和4B规模的SOPO模型代码及训练评估工具。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
SOPO：用于 span 级幻觉检测的苏格拉底引导策略优化报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · AISOPO：用于 span 级幻觉检测的苏格拉底引导策略优化
研究者提出 SOPO 多轮强化学习框架，解决 span 级幻觉检测中的定位歧义和奖励稀疏问题。 SOPO 4B 在 RAGTruth 上取得 SOTA 表现，超过 GPT-5 及标准 RL 基线，并开源了 1.7B 和 4B 模型代码。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月26日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。