نسخة أولية وصول مفتوح
PB-GRPO: تعلم وكلاء النماذج اللغوية الكبيرة المتكيفين اجتماعيًا من المحاكاة القائمة على الشخصيات مع GRPO بدفعات التفضيل
إن بناء نماذج لغوية كبيرة (LLMs) تتصرف بشكل جيد اجتماعيًا، لا صحيحًا فحسب، يتطلب أكثر من إنتاج ردود مفيدة محليًا. فالوكيل الماهر اجتماعيًا يجب أن يستنتج الأهداف غير المعلنة للمستخدمين، ويحترم تفضيلاتهم، ويتكيف مع تطور المحادثة. وهذه السلوكيات متعددة الأدوار واجتماعية بطبيعتها، ولذلك يصعب تحسينها: فبيانات التفاعل الحقيق …