🤖
AWS详解LLM-as-a-judge奖励函数设计：布尔评分比1-10量表更可靠
AWS发布LLM-as-a-judge奖励函数设计指南，对比两种评估模式（布尔评分vs偏好评分），指出布尔评分更可靠。生产级RFT系统每次训练步处理数千次奖励评估，需配合确定性奖励组件。
→
🤖
AWS官方博客详解LLM-as-a-Judge：用AI评价AI训练，靠谱吗？
AWS官方博客详细讲解了LLM-as-a-judge方法：用大模型评价其他模型输出，作为RLHF的奖励信号。介绍了Rubric-based和Preference-based两种评价模式，以及如何设计有效的评价提示词。
→
