Eval-Skill

Eval-Skill 方法通过可重用技能提升 LLM 奖励建模

研究人员开发了一种名为 Eval-Skill 的新方法，用于改进大型语言模型的奖励建模。该方法合成可重用的评估技能，然后将其注入模型的上下文，而不是依赖于每个查询的评分标准。Eval-Skill 在 RewardBench 2 等基准测试中表现出显著的性能提升，在 Qwen3-8B 和 DeepSeek-V4-Flash 等模型的标准评判方法上表现更优。