PragReST：自强化反事实推理提升语用理解

Jihyung Park 等作者提出 PragReST 自监督框架，用于提升大语言模型的语用推理能力。该框架先构建语用问答数据，再生成反事实推理轨迹，并通过监督微调与强化学习让模型内化这些推理过程。作者称，这一训练过程不需要人工标注的训练数据，也不依赖从更强的教师模型进行蒸馏。 目前该工作以预印本形式发布，尚未见经同行评审验证的效果数据。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。