arXiv · NLP· Jianqiang Xia, Han Xu, Dianxi Shi·· 6 小时前AI 评分22
基于潜在维度恢复与平衡缓解评分细则作弊的Rubric Hacking问题
Intra-Rubric Reward Divergence: Mitigating Rubric Hacking through Latent Dimension Recovery and Balancing
AI 导读
针对基于细则的强化学习中的Rubric Hacking问题，本文提出FRDA和RSDC两种方法。 FRDA通过分维度生成竞争缓解不平衡，RSDC挖掘隐式评估维度补全细则覆盖。实验显示FRDA改善更稳定，RSDC生成更高质量回复。
来源：arXiv · NLP · arxiv.org