提出CDRRM(Contrast-Driven Rubric Reward Model),基于Contrast-then-Synthesis范式,通过多维对比分析偏好对以识别因果判别因素,并合成为紧凑、上下文感知的评分标准,从而提升奖励建模的可解释性、可靠性与数据效率,在RewardBench等三个基准上达到SO…
机构:北大
来源:arXiv 2603.08035 | AI4Papers 论文推荐平台