苹果创新“清单法”：用AI大模型当“老师”，教小模型更精准执行复杂指令

苹果研究人员提出一种名为“基于清单反馈的强化学习”（RLCF）的新方法，通过生成任务清单并逐项评分，显著提升大语言模型在复杂指令执行上的表现。在Qwen2.5-7B-Instruct模型上的测试显示，RLCF在多个基准测试中均有提升，其中FollowBench提升4%、InFoBench提升6%、Arena-Hard胜率提升3%，个别任务提升最高达8.2%。该方法使用Qwen2.5-72B-Instruct模型为13万条指令生成“WildChecklists”数据集，以加权评分作为训练信号。研究者也指出其局限，如依赖高性能模型和不适用于安全对齐等问题。
来源：https://tech.ifeng.com/c/8m7knucDYKM