提出Cognitive Relative Policy Optimization (CRPO)框架,通过阶段熵正则化对齐人类认知动态,用于心理健康评估,在8个数据集上平均提升10.4个百分点的加权F1分数。
机构:牛津
来源:arXiv 2606.13176 | AI4Papers 论文推荐平台