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

另有 1 条近重复转述:jaseweston