目录
奖励建模
条目：5
2026年五月
1 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 1min | school
AlphaGRPO：分解式可验证奖励赋能多模态生成自我反思 05-13
多模态生成
自反思
可验证奖励 |
2026年三月
1 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 3min | school
LLM评测新范式：从表面启发式到知识 grounded 评估 03-12
LLM评测
LLM-as-a-Judge
MERG框架 |
2026年二月
3 篇
| 类型 | 阅读 | 条目 |
|---|---|---|
[自动]
[ARXIV] | 4min | school
MMARS：基于边际感知与自我精炼的奖励建模 02-21
RLHF
奖励建模
数据增强 |
[自动]
[ARXIV] | 4min | school
超越VLM奖励：扩散原生潜在奖励建模 02-13
扩散模型
DiNa-LRM
奖励建模 |
[自动]
[ARXIV] | 4min | school
超越VLM奖励：扩散原生潜在奖励建模 02-12
扩散模型
DiNa-LRM
奖励建模 |
无匹配条目