arXiv · cs.CL· Tianci Liu·· 14 天前AI 评分31
ReVeR：基于任务量规与证据裁决的点式量规奖励模型研究
Rubrics from the Task, Verdicts from Evidence: Pointwise Rubric Rewards with Tool-Augmented Judges
来源与原文
arXiv · cs.CL
作者：Tianci Liu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.18766v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出点式量规奖励模型 ReVeR，仅从指令本身推理出硬规则与分级原则，并通过工具增强的裁决独立评估回答，避免现有方法从候选回答提取标准带来的响应诱导偏差。其组件经 label-blind 知识蒸馏训练，产出大规模量规推理数据集 ReVeR-Traces。实验显示 ReVeR 在平均偏好准确率上超过成对式量规 RM，且量规保真度、偏好准确率与下游效用是相互独立的属性。
来源：arXiv · cs.CL · arxiv.org