PapersBuilders71°21:09Chinese contentOpenBMB推出扩散奖励模型DRMOpenBMB发DRM模型,不再把人类偏好压缩成单一分数,能保留分歧和不确定性,还能提升奖励决策可靠性。#DRM#OpenBMB#reward models#RLHFOpenBMB@OpenBMBSourceRead laterReadWorth followingUsefulFollow DRM