arXiv论文提出CToM框架：让大模型先预测用户回应再自我修正

事件核心：发生了什么

根据论文摘要，LLM 在单任务上表现不错，但在长时间、多轮的人机协作中仍然容易出问题：要么还没弄懂用户需求就急着给方案，要么收到反馈后不修正错误假设。作者提出 CToM，让模型先起草回复，再预测用户会如何回应，并利用这个预测指导内部修订，最后才输出。训练时，用户对每轮草稿的真实回复被当作下一轮预测的目标，助手通过最小化该回复的负对数似然来学习；同时结合 GRPO 优化任务表现和交互效率。在数学推理、编程和写作任务上，摘要称 CToM 的协作任务表现优于所有基线，其中协作数学推理最终准确率从 74.1% 提升到 79.6%。

为什么重要

当前大模型竞争的一大焦点正在从“单轮答得好”转向“多轮协作靠得住”。CToM 把“心理理论”式的用户回应预测嵌入训练目标，相当于让模型学会预判人类反馈，这对 AI 应用、API 开发者、Agent 产品和企业采购都有意义：如果模型能更高效地通过自我修正收敛到正确结果，交互轮次和 token 成本可能下降。摘要中的消融实验显示，在相同奖励下，加入预测监督让编程任务用户回复减少 8%、写作任务减少 17%，同时任务表现还在提升。

对用户/开发者/创作者的影响

对普通用户，这意味着未来 AI 助手可能更少“自作主张”，在需求模糊时先理解再动手。对开发者，CToM 这类训练目标如果被主流开源或闭源模型采用，可能改变多轮对话 API 的成本结构——更少的交互轮次直接对应更低的推理算力和调用费用。对创作者，写作任务中用户回复减少 17% 的摘要数据值得关注，但需要说明：目前公开信息仅为论文摘要，没有全文实验细节，也没有产品化或 API 可用性的确认。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是看该方法是否被主流模型厂商纳入训练管线或开源实现；二是看第三方能否复现摘要中的准确率与交互效率数据；三是关注多轮协作评测基准是否因此更新，以及 API 计费模式是否从按 token 转向按任务收敛效果计价。

来源：arXiv cs.AI