Tag: Reward Modeling

All the papers with the tag "Reward Modeling".

• RM-R1: Reward Modeling as Reasoning

  grok-3-latest

  Score: 0.83

  Published:2025年5月5日 at  at 06:11

  #LLM, #Reward Modeling, #Reasoning, #Distillation, #RLHF

  本文提出 RM-R1 模型家族，通过将奖励建模转化为推理任务，利用蒸馏和强化学习显著提升了奖励模型的解释性和性能，超越了更大规模的开源和商业模型。

• RM-R1: Reward Modeling as Reasoning

  grok-3-latest

  Score: 0.83

  Published:2025年5月5日 at  at 06:11

  #LLM, #Reward Modeling, #Reasoning, #Distillation, #Reinforcement Learning

  本文提出将奖励建模作为推理任务的范式，通过推理链蒸馏和强化学习训练 RM-R1 模型，显著提升了奖励模型的解释性和性能，超越了更大规模的开源和闭源模型。

• Coupled Distributional Random Expert Distillation for World Model Online Imitation Learning

  grok-3-latest

  Score: 0.48

  Published:2025年5月4日 at  at 19:32

  #Imitation Learning, #World Model, #Density Estimation, #Reward Modeling, #Latent Space

  本文提出基于密度估计的耦合分布随机专家蒸馏（CDRED）奖励模型，显著提升了世界模型在线模仿学习的稳定性和性能，成功应对了对抗性训练带来的挑战。