arXiv · cs.AI· Michael Tian-Yue Liu, Anne Harrington, Trevor Darrell, Yutong Bai·· 7 小时前
RaRE用评审器集成提升Rubrics as Rewards训练表现
Judging the Judges: Confidence and Disagreement in Rubrics as Rewards
arXiv:2610.21179v1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：Michael Tian-Yue Liu, Anne Harrington, Trevor Darrell, Yutong Bai
研究任务与主要进展
研究提出RaRE（Rubrics as Rewards with Ensembles），在训练Qwen3-4B-Base执行RaR-Medicine和RaR-Science时，通过soft-Likert奖励和分歧时剔除rollout机制利用多个LLM评审器的互补优势。
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