CleanRM：用少量干净反馈校准噪声奖励建模
原文标题：CleanRM: Reward Modeling from Noisy Feedback with a Few Clean Feedback for RLHF
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 CleanRM，针对偏好数据中样本级噪声问题，利用少量干净反馈通过最优传输校准每个样本的噪声比例，并用噪声校正代理损失训练奖励模型。理论上证明该目标对干净风险无偏，实验显示其优于现有去噪基线，并能提升下游 RLHF 对齐效果。
- 问题
- 偏好数据存在样本级噪声，传统去噪方法假设噪声比例统一，导致奖励模型有偏。
- 方法
- 用少量干净反馈经最优传输校准每个样本的噪声比例，并以噪声校正代理损失训练奖励模型。
- 结果
- 优于现有去噪基线，并提升下游 RLHF 对齐效果；未给出具体数值。
- 影响
- 为奖励建模提供可落地的样本级去噪方案，直接改善 RLHF 对齐质量。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。