用 GRPO 训练 Qwen2.5 和 Llama3 学习感知-行动规则，提升 ToM 推理
一篇很具体的工作：用 GRPO 让 Qwen2.5 和 Llama3 学 if-then 规则，在四个 ToM 基准上赢过微调和思维链，规则还能给 GPT-4o-mini 用。
#GPT-4o-mini
共 7 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「GPT-4o-mini」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月15日
9月18日
BioPhys-Bridge 基准数据集发布，用于评估跨学科生物物理研究中的科学推理能力
朋友发了这个新基准数据集，专门用来测试模型在生物物理领域的科学推理能力，比之前的基准更复杂，能看出不同模型在这个专业领域的真实水平。
9月9日
9月2日
8月25日
8月7日
6月30日
论文09:20
Contagion Tensor：多智能体LLM输出分布耦合的测量框架想了解多智能体LLM之间怎么互相影响输出？这篇论文给出了可量化框架CAF，还拿DeepSeek和GPT-4o-mini做了实验，能看到图像条件会放大耦合效应。