奖励模型从选择回答转向评分

2026年10月31日，马东锡在 X 发帖介绍奖励模型评分机制的新变化。此前，judge 读完《Is OpenAI open?》一文中的各个回答后进行选择，其中“OpenAI is open. It's in the name.”获 2 分，以“partly”开头的回答获 8 分或 10 分。当前内容显示，奖励模型正在把选择转化为分数，但未提供更多实施细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。