arXiv · cs.AI · Zhichao Yang, Sepehr Janghorbani, Dongxu Zhang, Jun Han, Qian Qian, Andrew Ressler II, Gregory D. Lyng, Sanjit Singh Batra, Robert E. Tillman · 10 小时前模型评分37
Health-SCORE：用可扩展评分标准奖励改进开放式医疗大语言模型
Health-SCORE: Improving Open-Ended Health LLMs Using Scalable Rubric-Based Rewards
导读
Health-SCORE 提出用可复用的元评分标准（meta-rubrics）替代逐实例人工标准，为开放式医疗大语言模型提供强化学习奖励信号，也可直接写入提示词在推理时引导模型。在多个开放式医疗基准上，其训练效果与人工逐实例奖励相当，同时大幅降低奖励设计成本并提升泛化性。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：医疗与生命科学
事件类型：研究发布
证据摘录
- “We introduce Health-SCORE, a scalable framework that captures recurring principles of response quality in the form of reusable meta-rubrics.”
来源：arXiv · cs.AI · arxiv.org