InternLM 推出 POLAR：基于策略判别学习的预训练可扩展高性能奖励模型

上海人工智能实验室 InternLM 项目发布 POLAR，一种通过策略判别学习（Policy Discriminative Learning）训练的奖励模型，具备预训练、可扩展、高性能特性。该方法将奖励建模转化为区分不同策略的判别任务，以支撑大规模强化学习训练。