HF Daily Papers·· 4 天前精选AI 评分46
FORK 奖励以精确率目标缓解基于评分标准的强化学习奖励投机
Eat Your Precision: Precision Objective Mitigates Reward Hacking in Rubric-based RL
AI 导读
FORK 奖励联合优化基于评分标准的强化学习中的召回率与精确率，在相近评分覆盖下缩短回答并提高相对基础策略的胜率。精确率目标通过评分标准驱动的必要性信用和事实正确性评分器，要求回答的每个单元既必要又事实正确。
推荐理由
FORK 将奖励目标从单纯覆盖扩展为兼顾覆盖与精确率，并提供回答长度和胜率对照数据，便于理解强化学习奖励设计对输出质量的影响。
来源：HF Daily Papers · huggingface.co