rewards-design

标签

#rewards-design

以演化评分标准为奖励的音频推理强化学习

Hugging Face Daily Papers ↗ · 2026-08-03 缓存

本文介绍了 AudioRubrics，一种使用自演化、基于音频的评分标准奖励来监督音频推理的强化学习框架，在三个基准上优于现有基线。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈