RL-XAR 实测数据:论文与故事人类评测胜率达 89% 和 95%
jaseweston · x · 2026-09-28
Jason Weston 团队 RL-XAR 训练细节:用 Qwen3.5-27B 在三个任务上做 RL(科学论文章节、故事续写、高质量维基百科页面),奖励来自学习到的 rubric,由跨家族的 Qwen3.8-2.4T-A95B 评判,结果再用 GPT5-6 复核。三项任务均有大幅提升,前两项尤其明显。
小规模人类评测中,RL-XAR 在论文和故事上的胜率分别为 89% 和 95%。训练效果上:论文写作主要修复范围过宽和章节焦点问题,故事写作则主要消除陈词滥调。
所属事件:Meta 发布 RL-XAR:专家对齐评分表治 AI slop(4 条相关)→
「研究」频道最新
- Google 开源 PaperOrchestra:多 Agent 自动写 AI 研究论文 — google-research · 2026-11-16
- ICLR 审稿人未被打动仍提分:因相信论文对社区有价值 — MarkSchmidtUBC · 2026-11-16
- 手改0.2%权重加CPU训练100分钟,英语TTS模型变身18MB梵语语音 — kastnerkyle · 2026-11-16
- 为什么 AI 做化学必须懂手性:对映异构体在生物体内并不等价 — madeofAjala · 2026-11-16
- RSS 2027 投稿开启:两阶段评审 FAQ 澄清负面结果标准 — GeorgiaChal · 2026-11-16
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16