标签
本文介绍了SCOPED-Hiring，一种用于基于LLM的多智能体招聘系统的过程感知公平性诊断流程，它可以揭示决策轨迹中的隐藏偏见并实现针对性修复。
本文介绍了CEDAR-GRPO，一个过程感知的强化学习框架，通过结合最终答案正确性和溯因奖励来增强大型语言模型中的溯因推理能力，并展示了在多个未见任务上的可迁移改进。