实体 RM-Bench Hard

RM-Bench Hard

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

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

TOOL · CL_231597 · Sep 2 · 04:00

新的“模式化”技术可消除 AI 奖励模型的偏差，并显示跨模型迁移能力

研究人员开发了一种名为“模式化”（patterning）的新技术，用于消除 AI 训练中使用的奖励模型的偏差。该方法根据偏好对基准损失的影响重新加权，从而有效减少风格偏差。将该技术应用于在 Skywork-Reward-Preference v0.2 上训练的 Gemma 2 9B Instruct 模型，在 RM-Bench Hard 基准测试中取得了显著改进，优于先前的方法。学习到的权重还显示出向其他 Gemma 模型迁移的能力，…