热点事件持续更新
研究团队提出幻觉检测多轮强化学习框架SOPO并开源
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv自然语言处理领域发布研究成果，研究人员提出面向片段级模型幻觉检测的多轮强化学习框架SOPO。该框架利用教师模型间接提示的苏格拉底反馈机制缓解奖励稀疏问题，并结合轮次优势缩放来抑制长度膨胀。实验表明，参数量为4B的SOPO在RAGTruth基准上超越了GPT-5等专有模型及标准RL基线，在4个域外基准上的平均得分也优于GRPO。目前，该研究相关的训练与评测代码，以及1.7B和4B规模的模型均已开源。
AI 根据报道生成 · 4 小时前更新
最新进展10月26日 12:00
研究团队推出多轮RL框架SOPO，检测能力超GPT-5且相关模型已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 自然语言处理SOPO：面向片段级模型幻觉检测的苏格拉底式引导策略优化
研究人员提出用于片段级模型幻觉检测的多轮强化学习框架 SOPO，利用教师模型间接提示的苏格拉底反馈机制缓解奖励稀疏，并结合轮次优势缩放抑制长度膨胀。SOPO（4B）在 RAGTruth 上超越 GPT-5 等专有模型与标准 RL 基线，在 4 个域外基准上的平均分优于 GRPO。相关训练评测代码及 1.7B、4B 模型已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。