Hugging Face Daily Papers·· 1 天前AI 评分31
ReVeR：从任务生成评分标准、以证据给出裁决的逐点式评分标准奖励模型
Rubrics from the Task, Verdicts from Evidence: Pointwise Rubric Rewards with Tool-Augmented Judges
AI 导读
研究者提出逐点式评分标准奖励模型 ReVeR，仅从指令本身推理出硬性规则与分级原则，并通过工具增强的评判方式独立评估回答，避免从候选回答反推标准带来的偏差。两个组件均以标签盲蒸馏训练，产出大规模数据集 ReVeR-Traces。
来源：Hugging Face Daily Papers · huggingface.co