OpenAI：Alignment 研究博客（RSS）· Paloma Sodhi, Yueheng Li, Jessica Landon, Eric Wallace and Kai Chen·2026-03-12 07:36· 2026-03-12AI 评分53

OpenAI 提出 ARGO 方法，将黑盒奖励模型蒸馏为可解释评分标准

Interpreting Black Box Reward Models

AI 导读

OpenAI 发布 ARGO 方法，用强化学习训练策略生成可解释的评分标准，使 rubric 条件下的 LLM 评审与黑盒奖励模型的偏好概率最大化对齐。