奖励模型终于迎来预训练新时代!上海AI Lab、复旦POLAR,开启Scaling新范式 2025年7月10日16时 作者 机器之心 望迈向 AGI 的核心方法。然而,奖励模型的设计与训练始终是制约后训练效果的关键瓶颈。 目前,主流的
POLAR:开创性的奖励模型,为强化学习任务提供精准奖励信号 2025年7月10日8时 作者 NLP工程化 POLAR提出创新的奖励模型,通过大规模合成语料预训练生成高效策略区分模型,适用于多种场景并显著降低奖励劫持现象。