论文页面 - Skill-RM：通过智能体技能统一异构评估标准

来源：https://huggingface.co/papers/2606.03980 作者：

,

,

,

,

,

,

,

,

,

,

,

摘要

Skill-RM 提出了一种统一的奖励建模框架，将奖励计算视为一项结构化的智能体任务，实现了动态证据聚合以及在多样化应用中的一致评估。

奖励模型（RM）为 LLM 后训练提供关键的反馈信号，特别是在强化微调（RFT）和强化学习（RL）流程中。然而，当前的奖励评估依赖于异构标准，例如基于规则的验证器、真实参考、程序清单和复杂评分标准，目前尚未有统一机制来整合所有类型的证据。为此，我们提出了 Skill Reward Model（Skill-RM），一种统一框架，将奖励建模重新表述为可复用奖励评估技能的执行过程。通过将奖励计算视为结构化智能体任务，Skill-RM 提供了一致的接口来协调异构资源，根据每个输入的具体需求动态选择和聚合证据。这种方法使奖励模型能够超越静态评估，确保在多样化任务中的一致性和透明度。在奖励基准测试和下游应用（包括 Best-of-N 选择和强化学习）上的大量实验表明，Skill-RM 始终优于传统的评判基线。我们的研究结果表明，Skill-RM 不仅为奖励建模提供了统一解决方案，还通过战略性和动态的证据编排实现了更优的性能。代码位于 https://github.com/Qwen-Applications/Skill-RM。

查看 arXiv 页面 (https://arxiv.org/abs/2606.03980)查看 PDF (https://arxiv.org/pdf/2606.03980)GitHub (https://github.com/Qwen-Applications/Skill-RM)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.03980)

在你的智能体中获取这篇论文：

hf papers read 2606\.03980

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型 0

没有链接这篇论文的模型

在模型 README.md 中引用 arxiv.org/abs/2606.03980 以从本页链接它。

引用这篇论文的数据集 0

没有链接这篇论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2606.03980 以从本页链接它。

引用这篇论文的 Spaces 0

没有链接这篇论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2606.03980 以从本页链接它。

包含这篇论文的集合 0

没有包含这篇论文的集合

将这篇论文添加到集合中以从本页链接它。