Arctop发布了一篇论文配套文章，介绍其“基于脑反馈的强化学习（RLbF）”框架。该框架利用实时脑电测量，解码出工作负荷、压力等认知状态，作为奖励信号来训练大语言模型。文章称，这一方法能让模型在对话中感知听者的认知状态，并实时调整表达方式，从而改善沟通效果。目前，该框架已在其应用“Isaac”中部署，但仅使用单一维度（认知负荷）进行自适应。与传统RLHF依赖事后主观反馈不同，RLbF利用脑电信号提供连续、非自愿的反馈，使模型能实时感知话语对听者大脑的影响。这一方法首次将脑信号用于语言模型训练，但尚处于早期部署阶段，仅支持单一维度，且具体技术细节未完全公开。
