UniRRM-14B

UniRRM模型为开放式AI任务提供统一的多语言推理

研究人员推出了UniRRM，这是一种统一的推理奖励模型，旨在克服当前开放式任务奖励建模的局限性。UniRRM通过采用分阶段的推理链来动态生成特定任务的标准，从而支持多种语言和评估范式。这种方法允许进行细粒度的、输入自适应的判断，并且在不同语言之间保持一致。该模型（包括UniRRM-8B和UniRRM-14B变体）在各种基准测试中的表现与同等规模的SOTA模型相当，并被证明对新颖的评估范式有效。