实体 Rubricon

Rubricon

PulseAugur coverage of Rubricon — every cluster mentioning Rubricon 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

RESEARCH · CL_332668 · Oct 31 · 04:00

新方法通过自动分步评分标准增强 LLM 推理能力 · 已追踪 2 个来源

研究人员开发了通过分步评分标准奖励来改进大型语言模型 (LLM) 推理能力的新方法。第一种方法，分步评分标准作为奖励 (SRaR)，使用 LLM 裁判将评分标准项分配给推理步骤，对分数进行归一化以关注质量差异，并结合分步奖励和结果奖励。该方法提高了在数学和代码生成基准测试上的准确性，尤其是在 AIME 2025 上提高了忠实推理率。第二种方法 Rubricon 自动化了 LLM 评估和训练的评分标准生成与优化，无需人工偏好标签。Rub…