binary-preferences

#binary-preferences

C2：基于二元偏好的可扩展评分增强奖励建模

Hugging Face Daily Papers ↗ · 2026-04-15 缓存

C2 提出了一种可扩展的评分增强奖励建模框架，该框架仅通过二元偏好训练一个协作的评分生成器和一个批判性验证器，无需昂贵的评分标注，同时在 RM-Bench 上实现了最高 6.5 分的提升。

0 人收藏 0 人点赞