NeurIPS 2026|小红书 × 复旦大学用DR-Rubric为开放式强化学习构建评分标准
NeurIPS 2026|小红书 × 复旦大学用DR-Rubric为开放式强化学习构建评分标准让大模型回答一道数学题,通常还能拿标准答案判断对错。可如果问题换成「梳理一个领域的研究进展」「比较几种技术路线」或者「给出有依据的专业建议」,怎样才算答得好?答案没有唯一版本,遗漏关键事实、混淆概念、论证不充分,都可能藏在一段看起来很流畅的文字里。
来自主题: AI技术研报
6872 点击 2026-10-19 16:19