标签
BAER引入了一种骨干自适应证据路由方法，用于鲁棒的成对LLM评判，通过根据条件动态选择证据机制，在多个基准测试中实现了更高的准确性。
CSPF提出了一种约束共享-私有融合方法，用于整合多个奖励模型的表示进行不可验证偏好评估，性能优于基线方法。