论文提出 HRS 方法让冻结 LLM 评审对齐人类评分分布
原文标题：Human-Residual Steering: Aligning Frozen LLM Judges with Human Judgment Distributions
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 Human-Residual Steering（HRS），据称是首个通过隐状态干预让冻结 LLM 评审对齐人类评分分布的方法。HRS 学习从评审隐表示与评分 logits 预测低秩修正，在 14 个基准与三个模型家族的四个评审上优于所有冻结权重基线。以 Qwen2.5-7B 为例，14 个基准中 13 个取得最低 JS 距离，均值从 0.565 降至 0.352，且训练参数比分布微调少约 88 倍。
- 问题
- 冻结的LLM评审只对齐聚合人类评分，忽略个体标注者间的评分分布差异。
- 方法
- 学习从评审隐状态与评分logits预测单层低秩修正，直接干预隐状态而非微调权重或校准输出。
- 结果
- Qwen2.5-7B在14个基准中13个取得最低JS距离，均值0.565降至0.352；Spearman相关0.449升至0.579；训练参数少约88倍。
- 影响
- 无需重训大模型即可让自动评审输出贴近真实人类评分分布，降低评测成本并保留标注者多样性。
深读 · 结论先行AI 生成展开看要点与影响 ↓
HRS让冻结LLM评审对齐人类评分分布，Qwen2.5-7B的JS距离均值从0.565降至0.352
- •HRS通过学习的隐状态干预对齐冻结LLM评审与人类评分分布，据称是首个此类方法
- •在14个基准、三个模型家族的四个评审上优于所有冻结权重基线
- •Qwen2.5-7B在14个基准中13个取得最低JS距离，均值0.565降至0.352，强于最强校准器的0.377
- •与人类聚合评分的平均Spearman相关从0.449升至0.579
- •训练参数比分布微调少约88倍，代价是对齐上有适度损失
为什么重要：现有对齐方法多只匹配聚合人类判断、忽略标注者间差异；HRS以极低参数成本匹配完整评分分布，对需要模拟个体标注差异的评审场景有直接价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。