微軟爲Microsoft 365 Copilot推出Critique功能，首次整合GPT與Claude協同工作。GPT負責生成研究初稿，Claude則扮演審稿人角色，嚴格覈查內容準確性與完整性，實現多模型協作處理複雜學術任務。
備受矚目的中國人工智能研究實驗室DeepSeek AI，繼其強大的開源語言模型DeepSeek-R1之後，再次在大型語言模型（LLM）領域取得重大突破。近日，DeepSeek AI正式推出一項名爲自主演原則的批判調優(Self-Principled Critique Tuning，簡稱SPCT)的創新技術，旨在構建更通用、更具擴展性的AI獎勵模型(Reward Models，簡稱RMs)。這項技術有望顯著提升AI在開放式任務和複雜環境中的理解和應對能力，爲更智能的AI應用鋪平道路。背景:獎勵模型——強化學習的“指路明燈”在開發先進的LLM的過程中，強化學習（Reinfo
["智譜 AI 發佈了針對中文大模型的評測基準 AlignBench","AlignBench 能夠在多維度上細緻評測模型和人類意圖的對齊水平","數據集分爲 8 個大類，包括知識問答、寫作生成、角色扮演等多種類型的問題","開發者可以利用 AlignBench 進行評測，並使用評價能力較強的打分模型進行評分","通過登錄 AlignBench 網站，提交結果可以使用 CritiqueLLM 作爲評分模型進行評測"]
["智譜 AI 發佈高質量、低成本的評分模型 CritiqueLLM","傳統評價指標如 BLEU 和 ROUGE 缺乏對整體語義的把握","CritiqueLLM 提出可解釋、可擴展的文本質量評價模型","在 8 類常見任務中，CritiqueLLM 優於其他模型","CritiqueLLM 通過用戶詢問增廣、含參考文本評價數據收集、無參考文本評價數據改寫和訓練模型的方法生成評分"]
BBQGOD
DeepSeek-GRM-16B 是一個基於 Self-Principled Critique Tuning (SPCT) 的生成式獎勵模型，能為查詢-響應生成透明的'原則→批判→分數'評估流程，可用於大語言模型的強化學習、評估和數據收集等任務。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
