人机协同筛出2600万条数据，七项基准全部SOTA，昆仑万维开源奖励模型再迎新突破

昆仑万维发布新一代奖励模型 Skywork-Reward-V2 系列，涵盖多种参数规模，在七大主流评测榜均居首位。通过构建全球最大偏好数据集 Skywork-SynPref-40M（4000万对样本），结合人机协同标注机制，显著提升模型在多维度任务中的泛化能力。该系列在多个基准测试中超越当前先进开源模型及部分闭源模型，最小模型参数仅为0.6B，却展现接近70B级性能。Skywork-Reward-V2 已开源，将进一步推动 RLHF 技术发展。
来源：https://mp.weixin.qq.com/s/I6fVTa5ltMUPDRt-Z7p14Q