RLHF

近日，昆仑万维正式发布第二代奖励模型系列 Skywork-Reward-V2，这一系列模型以“小而强”为核心理念，通过创新的数据构建方法和高效的训练策略，在多个主流评测基准上全面超越现有开源模型，甚至...