PulseAugur
中
实时 10:57:38
实体 Hallucination-Aware Generative Reward Model

Hallucination-Aware Generative Reward Model

PulseAugur coverage of Hallucination-Aware Generative Reward Model — every cluster mentioning Hallucination-Aware Generative Reward Model 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_280292 ·

    新的HARPO框架提高了大型语言模型的忠实度和创造力

    研究人员开发了HARPO,一个旨在提高大型语言模型忠实度和创造力的新型强化学习框架。HARPO使用一个在可验证反馈上训练的具身智能生成奖励模型(HA-GRM)来评估输出。一个关键组件,选择性激活机制(SAM),确保创造性奖励仅应用于被HA-GRM判定为无幻觉的输出。实验表明,HARPO在包括Qwen2.5和Qwen3在内的各种Qwen模型上显著降低了幻觉率并提高了创意写作分数。