Scaling效应

已成为AI迈向AGI进程中的关键技术节点。
然而，其中
奖励模型
的设计与训练，始终是制约后训练效果

性地采用了对比学习范式，通过衡量模型回复与参考答案的「距离」来给出精细分数。不仅摆脱了对海量人工标注