术语slug: reward-shaping

奖励塑形

Reward Shaping

通过引入中间过程奖励或约束项引导模型学习路径,使阶段性行为符合整体目标的技术

收录情报动态

共 1 篇 · 第 1/1 页
新智元 (微信公众号)T2·基座大模型
58 分
港中文与微软提出 EchoChat 缓解共情推理错误传播

针对共情语音对话中多阶段推理的局部误判沿链条传播的问题,香港中文大学与微软团队提出 EchoChat,将感知、心智理论推理、策略规划与语音回复生成纳入统一优化框架,用级联门控奖励约束阶段依赖,并以步骤级信用分配提供针对性更新信号。该工作已被 NeurIPS 2026 收录,核心贡献是把共情从输入到回复的直接映射,改为可分解、可定位偏差的认知过程建模。