EnGRICH用人类批评训练奖励模型

Xuancheng Li等提出并实验评估EnGRICH生成式奖励模型训练框架：利用少量人类批评训练MetaCritic，为具体响应生成评估标准，并检查模型批评的证据覆盖与正确性。MetaCritic进一步学习把有依据的评价标准迁移至仅有结果标签的偏好数据，以支持细粒度奖励训练；部署推理时只运行训练后的奖励模型。 据论文摘要，EnGRICH在七个奖励模型基准上持续优于作者所称的竞争性基线，分析实验也支持其核心机制有效；当前证据仅来自摘要，摘要未给出具体提升幅度、基线配置或训练成本。

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。