提出基于图灵测试的强化学习方法Turing-RL,利用判别性图灵奖励训练用户模拟器模型,使其生成与真实用户不可区分的回复,在多个任务中优于基线方法。
机构:MIT
来源:arXiv 2606.19336 | AI4Papers 论文推荐平台