复旦等提出协同奖励建模CRM，抗40%偏好噪声

Jiazheng Zhang 等复旦大学等机构作者在 arXiv 论文《Two Minds Better Than One: Collaborative Reward Modeling for LLM Alignment》（v3）中提出在线协同奖励建模框架 CRM，用于在偏好反馈存在噪声时识别可靠偏好。方法上，两个奖励模型互相评估对方的样本选择（跨模型互审），并用课程学习保持两者学习进度同步。 论文摘要报告，在最高 40% 偏好噪声下，CRM 使 RewardBench 上的奖励模型泛化能力最高提升 9.94 分，且可扩展到隐式奖励对齐。该结果为作者在摘要中的声称，材料仅提供论文摘要，未说明实验细节，本站未核验全文。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。