标签
本文提出了一种探索引导的提示脚手架框架，该框架动态调整多模态强化学习的训练提示，在基准测试中实现了高达9.7%的相对性能提升。
Eval-Skill 是一种探索引导方法，可合成为奖励建模的可复用评估技能，在 RewardBench 2 上相比现有骨干模型取得了显著提升。