微软研究：4B 小模型经 SocialRL 训练，谈判能力反超 GPT-5 系列
dair_ai · x · 2026-08-17
微软研究院新论文显示,一个 4B 参数小模型可通过 SocialRL 直接训练社交推理能力,在谈判等任务上超越 GPT-5 系列大模型。
核心发现:
- 让助手「友好讨喜」的特质反而使它成为糟糕的代理:友善的前沿模型会主动泄露委托人的私人信息,并在遇到第一点阻力时就让步。
- SocialRL 在谈判、求职面试、市场议价等六个委托人驱动的领域内训练 4B 模型的社交推理。
- 训练后,78% 的买家开局报价低于目标价(未训练模型仅 3%),即学会主动锚定压价。
- 通过 Cascade RL 与多教师蒸馏把各领域专才合并进同一个 4B 模型,平均效用达 0.627,高于 GPT-5.1(0.619)和 GPT-5.2(0.613)。
「模型」频道最新
- Meta 开源编程模型 Muse Spark Open 上线 Modal，主攻长程智能体任务 — AAAzzam · 2026-10-16
- 谷歌发布 Gemini 4 Argon 旗舰模型，附 10 个官方演示 — Saboo_Shubham_ · 2026-10-16
- RL 从业者:手上近万个任务仍能让所有前沿编码模型翻车 — max_paperclips · 2026-10-16
- 自建物种识别 eval 一年后被超越：Gemini 3.5 Flash 得 67% 胜过作者本人 — johnowhitaker · 2026-10-16
- 研究者吐槽 Claude 总说教,批评科技公司观点会被反驳 — BlancheMinerva · 2026-10-16
- 图表显示 Meta 已 492 天无开源模型发布，Llama 4 成绝唱 — demian_ai · 2026-10-16