IXThinker·2025-07-05 09:10

千萬級人類偏好樣本　獎勵模型刷新七項SOTA

獎勵模型是AI對齊人類偏好的關鍵一環，決定模型能否明白何謂「好答案」。Skywork-Reward-V2系列正式發布，憑藉大規模高質量偏好數據在多項基準刷新紀錄，並以開源形式釋出。

千萬級偏好數據

團隊巧妙構建超高质量的千萬級人類偏好樣本，讓模型學會判斷AI回答是否專業、有邏輯且簡潔。從清晨哼幾句找歌，到公司用AI整理工作匯報，這些日常場景背後，都是模型對人類標準的理解。