AI资讯新闻榜单内容搜索-Judge

关键词: 大模型偏好,模型训练,对齐

在目前的模型训练范式中，偏好数据的的获取与使用已经成为了不可或缺的一环。在训练中，偏好数据通常被用作对齐（alignment）时的训练优化目标，如基于人类或 AI 反馈的强化学习（RLHF/RLAIF）或者直接偏好优化（DPO），而在模型评估中，由于任务的复杂性且通常没有标准答案，则通常直接以人类标注者或高性能大模型（LLM-as-a-Judge）的偏好标注作为评判标准。

关键词: DeepJudge,AI法律,法律LLM

瑞士连续12年全球创新指数竞争力排名第一，是全球重要的创新策源地，也是中国首个创新战略伙伴关系国，在创新发展和科技金融领域与中国具有极佳互补性。