IT之家9月13日消息，昆仑万维发布了两款全新的奖励模型Skywork-Reward-Gemma-2-27B和Skywork-Reward-Llama-3.1-8B。在奖励模型评估基准RewardBench上，这两款模型分别位列排行榜上的第一和第三位。奖励模型（RewardModel）是强化学习（ReinforcementLearning）中的核心概念和关键组成，它用于评估智能体在不同状态下的表现
41 0 2024-09-13 15:03
