微软研究院推出 Social-R1:用强化学习训练模型的社交推理
burkov · x · 2026-09-30
现代 AI 模型在数学、编程等结构化任务上进步显著,但真正的社交智能——理解微妙的人际线索、推断他人心理状态、选择合适行为——仍是 major hurdle。当前系统常靠表面捷径和模式匹配,而非真正的社交推理,导致在陌生情境或叙事细节稍有变化时决策脆弱、表现崩盘。
微软研究院(MSR)新文章提出了强化学习框架 Social-R1,按人类认知原则对整个逐步推理过程进行监督,培养真正的社交推理能力。为建立可靠的评估与训练环境,研究者还开发了 ToM(心智理论)相关基准(推文在此截断)。
「研究」频道最新
- 为什么 AI 做化学必须懂手性:对映异构体在生物体内并不等价 — madeofAjala · 2026-11-16
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- LatamGPT 开源 1.78 亿篇拉美多语言语料登陆 Hugging Face — OmarUFlorez · 2026-11-16
- TotalSegmentator 在常规胸 CT 中量出 42mm 扩张主动脉 — MaziyarPanahi · 2026-11-16
- Tivadar Danka 发布 4000 字图解机器学习所需图论长文 — TivadarDanka · 2026-11-16