Back to Home
RadarAI··Papers & Tech

面壁智能推出 Diffusion Reward Models,学习完整奖励分布

中文摘要

面壁智能联合清华提出 Diffusion Reward Models,通过学习完整奖励分布替代单一分数,精准捕捉人类偏好的不确定性与多样性,提升对齐效果。

English Summary

Model Face and THUNLP introduced Diffusion Reward Models, which learn full reward distributions instead of single scores, effectively capturing human preference diversity, uncertainty, and nuanced judgments.

Original Excerpt

面壁智能联合清华 THUNLP 提出 Diffusion Reward Models(DRM),不再把人类偏好压缩成单一分数,而是学习完整奖励分布,保留分歧、不确定性与多种合理判断。