跳到正文
热点事件持续更新

ICRM实现奖励模型测试时可操控性

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

2026年2月9日，Jiwoo Hong等人在 arXiv 提交论文，提出变分上下文奖励建模（ICRM）。该研究将奖励建模视为潜变量偏好概率的摊销变分推断，旨在使奖励模型在测试时通过上下文偏好演示适应未见分布。论文已获 NeurIPS 2026 收录。在 RM-Bench 评测中，ICRM 显示随着上下文演示数量增加，模型准确率从 60.5% 提升至 70.8%，且校准误差低于生成式评判者。在数学推理任务中，ICRM 通过有效编码可验证奖励，表现优于传统奖励模型。目前该研究作为一手文献在 cs.CL 领域发布，展示了在偏好学习测试时操控方面的新进展。

AI 根据报道生成 · 3 小时前更新

最新进展10月20日 12:00
ICRM 通过变分推断实现奖励模型测试时可操控性

报道时间线

沿着报道，了解事件的不同侧面。

10月20日
  1. arXiv · NLP
    ICRM 通过变分推断实现奖励模型测试时可操控性

    研究提出变分上下文奖励建模（ICRM），将奖励建模视为潜变量偏好概率的摊销变分推断。ICRM 使奖励模型在测试时通过上下文偏好演示适应未见分布。 在 RM-Bench 上，增加演示使准确率从 60.5 提升至 70.8，且校准误差低于生成式评判者。ICRM 在数学推理中通过有效编码可验证奖励优于传统 RM。

本事件热度走势

可比范围当前
9
可比范围峰值
910月20日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。