通过小说中的规范模拟体强化大语言模型的隐私推理

针对大语言模型代理的信息处理与用户情境隐私期望错位的问题，本文提出从小说中提取“规范模拟体”以微调模型。该方法结合监督学习与 GRPO 强化学习，利用包含任务清晰度、结构完整性及上下文识别的复合奖励函数，并通过对比评分防止过拟合。实验表明，该方法显著提升了模型在法律合规基准上的表现及其与人类隐私期望的相关性，证明了基于虚构文本的规范模拟体能有效传授可迁移的情境隐私推理能力。