Meta发布元奖励模型 让LLM自评自进化
Meta联合UC伯克利及NYU提出一种名为“元奖励”的语言模型，该模型通过自我奖励机制让AI担任裁判角色，评价自身响应质量以实现性能提升。最新研究通过增加“元奖励”步骤，进一步提升模型的自我评价能力，实验表明，这种方法显著增强了模型性能，如Llama-3-8B-Instruct在AlpacaEval 2上的精准率提升至39.4%。通过控制长度和采用元奖励机制，解决了模型偏好过长响应的问题，并提高了评价准确性。来源：https://mp.weixin.qq.com/s/yDE7QLuaCJwpwH7Ln9VuCg
页:
[1]