荷兰莱顿大学 发布 OPENRM 数据集, 应用在 文本评价、奖励模型 领域

荷兰莱顿大学 本次发布的数据集 OPENRM, OPENRM是一个利用外部工具对知识密集型长文本进行评价的工具增强型奖励模型。该模型通过调用外部工具来收集相关证据，对开放式的长文本回答进行系统性的评价。OPENRM在超过27K个合成的成对示例上进行了训练，这些示例是通过可控的数据合成框架生成的。训练目标同时监督中间工具的使用和最终结果的准确性，激励奖励模型学习基于证据的有效判断策略。在三个新收集的数据集和两个广泛使用的基准上进行的广泛实验表明，OPENRM明显优于现有的奖励模型。

查看OPENRM

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。