DeCert 框架无需参考答案评估生成式奖励模型的论证质量
Guiquan Sun · hf · 2026-10-27
康涅狄格大学与 NEC Labs 的论文提出 DeCert（Decision Certificate Supervision），用于评估和改进生成式奖励模型（GenRM）的推理理由：不只看判断结果是否正确，还评估论证有效性与结论一致性，且无需参考解释。论文指出 verdict-only 监督无法区分论证扎实与论证有瑕疵但结论碰巧正确的判断，而这类瑕疵理由会在 RLHF 中产生劣质奖励信号。DeCert 产出更强的偏好监督信号。
「研究」频道最新
- 层级连续流语言模型让路径级 RL 更能抵御 critic 利用 — vxnuaj · 2026-10-27
- rauchg 复现 OpenAI 发现：无网络微VM 也能借 CPU 争用 covert 通信 — ccerrato147 · 2026-10-27
- 微软研究院：ForkPilot 让 Agent 决策回溯的算力开销最高降 59% — EliasEskin · 2026-10-27
- 微软发布 TeleTune：从离线遥测数据自动演化 Computer-use Agent 技能 — EliasEskin · 2026-10-27
- FlexGlue:稀疏到稠密特征匹配，速度与精度兼得并可甄别误配图像对 — zhenjun_zhao · 2026-10-27
- PixGR:像素空间生成式解码加速前馈 3D 重建，稀疏视角下超越回归方法 — zhenjun_zhao · 2026-10-27