新方法用评分反馈追踪蒸馏模型

Yuejia Li 等作者提出名为 Radioactive Feedback 的方法：在 LLM-as-a-Judge 给出的奖励分数中编码注册好的行为偏好模式，使仅凭标量分数训练的学生模型也能继承该模式。作者称，在代码与数学实验中，这些偏好仅通过分数即可跨数据集迁移，并支持针对固定参考池的黑盒检测。 该方法针对的是现有水印与蒸馏检测器无法覆盖的纯分数反馈通道，即学生模型只拿到评分、看不到教师模型输出的场景。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。