SOPO多轮强化学习框架用于幻觉检测
热点事件持续更新
SOPO多轮强化学习框架用于幻觉检测
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Jiawei Dong 等作者提出 SOPO 多轮强化学习框架，用于跨度级幻觉检测。该框架让教师模型依据标准答案给出间接提示，形成苏格拉底式反馈，以缓解难样本奖励稀疏问题，并用 Turn-based Advantage Scaling 抑制冗长偏好。 在 RAGTruth 基准上，4B 规模的 SOPO 达到 SOTA，作者称其超过 GPT-5 等闭源模型和标准 RL 基线；在四个域外基准上，其平均分高于 GRPO。训练与评测代码及 1.7B、4B 模型已开源。
AI 根据报道生成 · 57 分钟前更新
最新进展10月26日 12:00
SOPO：用苏格拉底式引导策略优化做跨度级幻觉检测报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CLSOPO：用苏格拉底式引导策略优化做跨度级幻觉检测
SOPO 是一个多轮强化学习框架，通过教师模型依据标准答案提供间接提示的苏格拉底式反馈机制，缓解难样本奖励稀疏问题，并用 Turn-based Advantage Scaling 抑制冗长偏好。在 RAGTruth 上，4B 的 SOPO 达到 SOTA，超过 GPT-5 等闭源模型和标准 RL 基线，并在四个域外基准上平均分高于 GRPO。训练与评测代码及 1.7B、4B 模型已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。