arXiv · cs.AI· Licheng Pan, Haocheng Yang, Yuzhou Chen, Yichen Sun, Yuan Lu, Yunfei Teng, Jiajun Fan, Guangyi Liu, Zhixuan Chu, Hao Wang·· 6 小时前
CleanRM：用少量干净反馈校准噪声比例进行RLHF奖励建模
CleanRM: Reward Modeling from Noisy Feedback with a Few Clean Feedback for RLHF
arXiv:2610.21138v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Licheng Pan, Haocheng Yang, Yuzhou Chen, Yichen Sun, Yuan Lu, Yunfei Teng, Jiajun Fan, Guangyi Liu, Zhixuan Chu, Hao Wang
研究任务与主要进展
基于论文摘要，作者提出CleanRM，用少量干净反馈通过最优传输校准偏好反馈中的样本级噪声比例，再对齐噪声反馈还原的偏好分布与干净反馈分布。其噪声修正代理损失据报告对干净风险无偏，实验显示该方法优于现有去噪基线，并能改善下游RLHF对齐；具体实验规模、基线与条件未在材料中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org