IXThinker·2025-07-19 14:40

騰訊混元新法提升模型情商 7B比肩GPT-4o

在沒有標準答案的開放式對話中，如何用強化學習提升大模型的「情商」是業界難題。騰訊混元AI數字人團隊系統探討這一領域的困境與解法，提出RLVER方法，令7B模型情商比肩GPT-4o，相關得分直翻五倍。

三大困境

開放式多輪對話高頻、多輪、強情境依賴，「好回復」因人而異。團隊歸納出強化學習在此的三大困境：真實多變的交互環境難以構建、主觀滿意度難以轉化為穩定獎勵、模型在真實交互中試錯成本高，訓練難以穩定高效。