热点事件持续更新
SOPO：苏格拉底引导策略优化做片段级幻觉检测
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.CL 出现一篇论文，提出名为 SOPO 的多轮强化学习框架，用于片段级幻觉检测。该框架由教师模型根据真实答案给出间接提示，引导模型生成检测幻觉的推理轨迹，即所谓“苏格拉底引导策略优化”。报道称，在 RAGTruth 基准上，参数规模为 4B 的 SOPO 达到当前最优（SOTA），超过 GPT-5 等领先闭源模型以及标准强化学习基线；在四个域外基准上，其平均分高于 GRPO。目前 1.7B 与 4B 规模的模型及代码已公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
SOPO 在 RAGTruth 上以 4B 模型达 SOTA，超过 GPT-5 等闭源模型，模型与代码已公开。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CLSOPO：面向片段级幻觉检测的苏格拉底引导策略优化
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。