RubricHub-Medical

新的FORK奖励方法提高了AI响应的精确度并减少了冗余

研究人员开发了一种名为FORK的新型强化学习奖励方法，旨在提高AI生成响应的质量。传统方法通常优先考虑召回率，导致输出冗长且有时不准确。FORK通过联合优化召回率和一种新颖的精确度目标来解决这个问题，确保响应的每个部分都是必要且事实正确的。实验表明，与标准的基于召回率的方法相比，FORK显著提高了精确度并减少了响应长度，从而获得了更高的用户偏好，并在RubricHub-Medical和HealthBench等基准测试中取得了显著改进。