Hugging Face 每日论文·· 1 天前精选AI 评分49
ReVeR：基于指令推理与工具增强评审的点式评分奖励模型
Rubrics from the Task, Verdicts from Evidence: Pointwise Rubric Rewards with Tool-Augmented Judges
AI 导读
论文提出 ReVeR，一种点式评分的 rubric 奖励模型，仅凭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审独立评估回答，两个组件均以标签盲蒸馏方式训练，产出 ReVeR-Traces 数据集。
推荐理由
论文指出偏好准确率更高未必带来更好的下游策略，提示评估奖励模型时需区分多个维度。
来源：Hugging Face 每日论文 · huggingface.co