arXiv cs.CL· Jiawei Dong, Zilong Bai, Pengtian zhu, Peng Zhou·2026-10-26 12:00· 3 小时前AI 评分38

SOPO：面向片段级幻觉检测的苏格拉底引导策略优化

SOPO: Socratic Guided Policy Optimization for Span-Level Hallucination Detection

AI 导读

SOPO 提出一种多轮强化学习框架，由教师模型根据真实答案给出间接提示，引导片段级幻觉检测的推理轨迹。在 RAGTruth 上，4B 的 SOPO 达到 SOTA，超过 GPT-5 等领先闭源模型和标准 RL 基线，并在四个域外基准上平均分高于 GRPO；1.7B 与 4B 模型及代码已公开。

来源：arXiv cs.CL · arxiv.org