提出ReVeR消除响应诱导偏差

发生了什么

据arXiv cs.CL报道，研究者提出ReVeR，一种通过工具增强法官实现点式评分奖励模型的方法，旨在消除响应诱导偏差。现有基于量表的奖励模型常从观察到的响应候选者中推导标准，引入偏差且难以处理机械约束。ReVeR仅通过推理指令本身推导硬规则和分级原则，并通过工具增强评估独立响应。实验表明其在平均偏好准确性、指令遵循及测试时扩展方面优于成对量表奖励模型。