Datapoint 推出 Streams:1B+ 真人实时评分,给多模态模型做在线 RL
_akhaliq · x · 2026-10-09
Datapoint AI 发布 Streams,一个面向多模态模型的在线 RL 平台:模型训练时通过 API 发送图像、音频、视频 rollout,由 200+ 国家、号称 1B+ 规模的真人评分者实时判断,偏好以连续奖励流的形式回流,每分钟可产生 10,000+ 条人类偏好。
其核心卖点对比批量标注:
- 延迟:批量标注按天/周计,Streams 按秒回流
- on-policy:评判的是当前策略产生的样本,而非已过时 checkpoint 的输出
- 更新粒度:每次策略更新都有人类奖励,而非每批才刷新一次 reward model
- reward hacking:训练中即时由真人发现,而非事后在 eval 里才暴露
低置信度的回答会在进入 reward model 更新前被丢弃。
「研究」频道最新
- 前沿模型首次在财报预测上跑赢人类专家共识 — maithra_raghu · 2026-10-09
- 小鼠胚胎细胞命运图谱研究登 Cell，AI for Science 再下一城 — anshulkundaje · 2026-10-09
- Ben Recht 批判不确定性量化:95% 场景只剩高斯误差条 — beenwrekt · 2026-10-09
- Text-to-SQL Agent 踩坑实测： critic 分离成本涨 53% 却零收益 — renatyv · 2026-10-09
- NeurIPS 2026 论文 NAMVIS：next-scale 自回归替代扩散，新视角合成提速 3 倍 — RexDouglass · 2026-10-09
- SWEeper-Bench：测 AI agent 能否在用户发现前扫清按需软件的 bug — liuzhuang1234 · 2026-10-09