arXiv cs.AI / cs.LG 最新· Sasi Kiran Gaddipati·· 20 小时前AI 评分45
CollabSciReM：通过科学感知奖励分解对齐语言模型的科研对话
CollabSciReM: Aligning Language Models for Scientific Conversations via Science-Aware Reward Decomposition
AI 导读
CollabSciReM 提出一种目标条件奖励框架，把科研对话奖励拆成对话质量、科学严谨性和结构效率。基于 8.62K 合成科研对话微调后，它在 300 篇论文、六维度的 SciQuality 上优于同数据训练的科学无关奖励基线，四个 Llama/Qwen 模型匹配长度胜率 65.3%。
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。