PulseAugur
中
实时 04:56:47
实体 EditReward-Bench

EditReward-Bench

PulseAugur coverage of EditReward-Bench — every cluster mentioning EditReward-Bench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_111701 ·

    新的联合奖励建模方法融合了效率和语义理解

    研究人员推出了一种名为联合奖励建模（JRM）的新方法，旨在提高从人类反馈中进行强化学习时所用奖励模型的效率和准确性。JRM将通常在生成模型中发现的语义理解和推理能力整合到更高效的判别式表示中。该方法在MMRB2和EditReward-Bench等基准测试中展现了最先进的性能，同时还提高了在线强化学习的稳定性。