MatrixReward：评分矩阵构建开放式生成奖励

1. 12:00
   arXiv：cs.LG

   MatrixReward：用评分矩阵为开放式生成构建奖励

   MatrixReward 通过在每个评分标准下两两比较采样回答，构建 rollout-by-rubric 胜率矩阵来生成奖励，并利用各列离散度与列间相关性得到数据相关的评分标准权重。在 Qwen3-8B 上、四个开放式问答基准测试中，MatrixReward 平均得分 63.02，比最强基线高出约 2.0%。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。