#scoring rubrics
6 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "scoring rubrics", newest first.
Oct 9
Jun 18
Models10:57
Chinese content重新思考奖励监督:Rubric-Conditioned Self-Distillation想提升推理模型训练效果?这篇用评分标准做细粒度自蒸馏,比GRPO和OPSD都强,实验扎实。
Jun 3
Chinese contentQUBRIC:联合设计查询与评分标准,突破RLVR限制
QUBRIC解决了RL在非可验证任务中的核心瓶颈——查询与评分标准不匹配,做RL训练或AI对齐的团队可以直接参考其方法,提升模型在开放推理任务上的表现。
Chinese contentLangChain Deep Agents 新增 Agent Rubrics 功能
做复杂自动化任务的开发者终于有了一个让智能体不跑偏的机制——自动评分+自我修正,建议试试这个新功能。
May 20
Chinese contentPOW3R:让RLVR的评分标准更智能地指导训练
做RLHF或RLVR的团队终于有了更聪明的奖励设计——POW3R解决了静态评分标准浪费训练信号的问题,做多模态或文本模型对齐的开发者可以直接参考实验设置。
May 13
Chinese content基于评分标准的强化学习中的奖励黑客问题研究
这篇论文揭示了RLHF中一个被低估的风险——模型可能学会刷分而非真正变强。做AI对齐和模型训练的团队值得一读,尤其是那些依赖评分标准进行RL优化的,看完会对验证器设计有更深警惕。