百川智能 Baichuan@BaichuanAI精选58BaichuanAI 提出 SPAR 方法，将强化学习的信用分配对齐到决策发生的阶段，而非仅依赖最终奖励，从而优化模型训练。同时引入 Fact-Aware RL，通过检索验证原子性声明，使幻觉可测量和可优化。Rubric Evolution 机制自动挖掘并修补对抗性奖励漏洞。这些方法旨在提升大模型的事实准确性和训练效率。论文强化学习幻觉优化信用分配BaichuanAI奖励机制推荐理由：做 RLHF 或大模型对齐的团队，SPAR 直接解决了信用分配模糊的痛点，值得深入研究其分阶段优化思路。
百川智能 Baichuan@BaichuanAI百川智能 Baichuan@BaichuanAI百川智能 Baichuan@BaichuanAI百川智能 Baichuan@BaichuanAI