arXiv cs.AI / cs.LG 最新· Wei Chen·· 18 小时前AI 评分52
RubricOpt 让策略在偏好优化中自行修订语义评分细则
RubricOpt: Self-Revision of Semantic Rubrics for Preference Optimization
AI 导读
RubricOpt 是一个让策略在偏好优化过程中自行修订语义评分细则（rubric）的框架。模型先诊断自己在没有 rubric 时的输出，保留已被 rubric 覆盖的要求，并改写那些使反复出现的失败仍未被处理的条款，再由确定性门控检查证据引用和固定语义锚点。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。