★ 3
FORK 奖励：精确率目标缓解评分标准 RL 的奖励黑客
arXiv 论文指出，基于评分标准（rubric）的强化学习奖励本质是召回导向，导致模型输出冗长、含无关或错误内容，反而不如基座模型受偏好。作者提出 FORK 奖励，联合优化召回与新的精确率目标，要求每个响应单元既必要又事实正确。实验显示 FORK 在 RubricHub-Medical 与 He…
arXiv NLP6 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文指出，基于评分标准（rubric）的强化学习奖励本质是召回导向，导致模型输出冗长、含无关或错误内容，反而不如基座模型受偏好。作者提出 FORK 奖励，联合优化召回与新的精确率目标，要求每个响应单元既必要又事实正确。实验显示 FORK 在 RubricHub-Medical 与 He…