Meta 发布 RL-XAR:专家对齐评分表治 AI slop
Meta AI 研究员 Jason Weston 团队发布 RL-XAR(RL with eXpert-Aligned Rubrics),旨在解决 LLM 输出「AI slop」式低质量写作问题。方法先收集高质量人类写作样本,训练出专家对齐的评分 rubric,再以此替代 LLM 裁判作为奖励,用 Qwen3.5-27B 在科学论文章节、故事续写和高质量维基页面三类任务上做强化学习。人类评测中,该模型在论文与故事写作上胜率分别达 89% 和 95%。
2026-09-28 ~ 2026-09-28 · 4 条相关
- Meta 研究 RL-XAR:用专家对齐评分表做 RL,宣称解决 AI slop 写作问题 — jaseweston · 2026-09-28
- RL-XAR 实测数据:论文与故事人类评测胜率达 89% 和 95% — jaseweston · 2026-09-28
- RL-XAR 配方:用专家对齐评分表替代 LLM 裁判做强化学习 — ivan_bezdomny · 2026-09-28
另有 1 条近重复转述:jaseweston