实体
Rubrics as Rewards
Rubrics as Rewards
PulseAugur coverage of Rubrics as Rewards — every cluster mentioning Rubrics as Rewards across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
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…
-
新AI训练方法在主观任务中不使用评分标准，而是计算错误
研究人员引入了隐式错误计数（IEC）方法，这是一种用于训练AI模型执行理想输出主观或不存在的任务的新颖方法。与关注正确性的传统评分标准奖励系统不同，IEC识别并量化错误，为响应的不同方面分配加权分数。该方法在虚拟试穿应用领域得到验证，该领域有多种可接受的输出，并在名为MDressBench的新基准上展示了优于现有基于评分标准的方法的性能。