标签
MAGIC是一个系统,利用大语言模型从单个自然语言提示生成相互连接且可导航的多场景游戏世界,解决了跨场景一致性、场景内可导航性及过渡评估问题。在包含100个多场景案例的基准测试中,该系统实现了高精确率和召回率。
ReCrit 提出了一种面向科学批评推理的过渡感知强化学习框架,将初始到批评行为分解为四个象限(Correction、Sycophancy、Robustness、Boundary),并使用动态异步展开。它在多个科学基准上显著提升了 Qwen 模型的批评准确性。