Weval

新框架WEval和WRL改进LLM写作生成和奖励建模

研究人员开发了一个新的细粒度评估流程WEval和一个名为WRL的训练框架，以提高大型语言模型在写作任务上的性能。现有方法通常过于宽泛地评估写作奖励模型，未能捕捉到特定需求的遵循情况。WEval通过将奖励模型排名与各种任务类别和需求类型的黄金排名相关联，提供系统性评估。WRL通过选择性地删除指令需求来创建正负样本，从而增强训练，实现更精确的奖励模型训练和更好的泛化能力。