RewardAnything-8B-v1
RewardAnything: Generalizable Principle-Following Reward Models Zhuohao Yu1,§ Jiali Zeng2 Weizheng Gu1 Yidong Wang1 Jindong Wang3 Fandong Meng2 Jie...
Метка: principle-following
RewardAnything-8B-v1
RewardAnything: Обобщаемые модели вознаграждения, следующие принципам Чжуохао Юй1,§ Цзяли Цзэн2 Вэйчжэн Гу1 Идун Ван1 Цзиньдун Ван3 Фаньдун Мэн2 ...