研究人员开发了 LatentGRM,一个新颖的生成式奖励建模框架,它利用语义分块和压缩来更紧凑地表示评估标准。该方法学习连续的潜在轨迹,无需生成明确的文本评估即可进行成对判断,从而显著降低了推理成本。实验表明,LatentGRM 与传统的监督微调 (SFT) 评判器相比,在偏好准确性方面具有竞争力,在 8B 规模模型中,压缩率高达 9.2 倍,推理时间减少 7 倍。 AI
影响 降低了奖励模型中复杂推理任务的推理成本,可能使其更高效、更易于访问。
排序理由 详细介绍生成式奖励建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →