论文12:30
RRC：基于排序的奖励构建，解锁生成式奖励模型在强化学习中的应用这篇论文提出 RRC，能把生成式奖励模型的排序结果转成强化学习能用的信号，在对话和推理任务上比现有方法更稳定地提升训练效果。
#奖励建模
共 3 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「奖励建模」标签的资讯、产品与论文，按刊登时间排，新的在上。
8月7日
6月12日
论文10:14
OrchRM：无需人工标注的多智能体编排奖励建模做多智能体系统编排的团队终于有了一个低成本、高回报的训练方案——OrchRM 省去了人工标注和子智能体回滚，直接提升 8% 准确率，建议做 MAS 的开发者试试这个开源框架。
6月2日
多模态大模型评测偏见：Perceptual Perturbation 与 Reward Modeling 缓解方案
做多模态模型评测的团队终于有了对抗感知偏见的方法——Perceptual Perturbation 框架能直接提升评估者的视觉可靠性，建议做 MLLM 评测基准的开发者点开看看实验细节。