SPCT

近日，DeepSeek和清华大学提出了一种新的训练方法SPCT（Self-Principled Critique Tuning），用于提升点式生成式奖励建模（GRM）的质量和可扩展性。该方法通过让模型学会先定原则、再写点评来改进通用RM的准确性，并实现了推理阶段的可扩展性提升。