Skip to content
Hot eventLive

MatrixReward基于评判矩阵构建开放式生成奖励

1 reports1 sources3 hr ago updated

Get the story

AI overview

MatrixReward 通过逐条 rubric 的 pairwise 比较构建 rollout-by-rubric win-rate 矩阵，利用列间区分度和相关性计算数据依赖的 rubric 权重，并结合先验权重经列归一化后定义正负理想轮廓，以相对接近度作为质量奖励。

Generated from reports · updated 3 hr ago

LatestOct 2
MatrixReward 提出基于评分矩阵的开放式生成奖励机制，通过 rubric pairwise 比较与数据依赖权重计算质量奖励。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    MatrixReward：基于评分矩阵构建开放式生成奖励机制

    MatrixReward 通过逐条 rubric 的 pairwise 比较构建 rollout-by-rubric win-rate 矩阵，利用列间区分度和相关性计算数据依赖的 rubric 权重，并结合先验权重经列归一化后定义正负理想轮廓，以相对接近度作为质量奖励。

Heat trend

There is not enough continuous observation data to draw a trend yet.