Tag: Reward Model

All the papers with the tag "Reward Model".

• On the Robustness of Reward Models for Language Model Alignment

  grok-3-latest

  Score: 0.63

  Published:2025年5月12日 at  at 06:48

  #LLM, #Reward Model, #RLHF, #Over-Optimization, #Regularization

  本文揭示了奖励模型过优化的根源在于隐藏状态范数分散，并提出批次和为零正则化（BSR）方法，显著提升了奖励模型的分布鲁棒性和 RLHF 对齐效果。