arXiv · NLP· Xueyun Tian, Bingbing Xu, Chuyue Li, Jiaming Liu, Chao Zhang, Weijia Feng, MingHua Ma, Yu Zhao, Jingchu Wang, Ruihua Huang, Yuanzhuo Wang, Huawei Shen·· 4 小时前AI 评分20
RARE：面向开放式生成的自适应评分标准进化强化学习方法
RARE: Reinforcement Learning with Adaptive Rubric Evolution for Open-Ended Generation
AI 导读
论文提出 RARE 框架，通过样本级更新机制，仅替换当前输出中已完全满足的评分标准，以恢复其在强化学习中的判别能力。该方法保留了其他有效标准，并通过对比奖励优点与惩罚缺陷两种策略，验证了针对性修复质量差异的有效性。实验表明，该策略在三种视频类型中平均带来 3.82 分的增益，且提升效果可推广至写作与通用生成基准。
来源：arXiv · NLP · arxiv.org