QUBRIC

QUBRIC框架联合设计查询和评分标准以实现高级强化学习

研究人员推出QUBRIC，一个旨在通过联合设计查询和评分标准来改进强化学习（RL）的新框架。该方法解决了评分标准质量受限于固定查询结构的瓶颈。QUBRIC将开放式查询重写为可评估的问题，并根据教师策略差距生成评分标准，保留信息丰富的配对用于训练。该框架在ArenaHard基准测试上展示了5.5个点的提升，并在法律、道德和叙事推理任务上显示出显著改进。