用 GRPO 训练 Qwen2.5 和 Llama3 学习感知-行动规则，提升 ToM 推理
一篇很具体的工作：用 GRPO 让 Qwen2.5 和 Llama3 学 if-then 规则，在四个 ToM 基准上赢过微调和思维链，规则还能给 GPT-4o-mini 用。
#Theory-of-Mind
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Theory-of-Mind」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月15日
一篇很具体的工作：用 GRPO 让 Qwen2.5 和 Llama3 学 if-then 规则，在四个 ToM 基准上赢过微调和思维链，规则还能给 GPT-4o-mini 用。