Apple（苹果）

Rubrics as Privileged Information for Open-Ended Generation

作为特权信息的评分规则：面向开放式生成

Deepika Bablani, Ajay Gupta, Wanming Chen

机构 * Apple（苹果公司） 纠错

AI总结 该研究将在线策略自蒸馏扩展至开放式生成，提出以评分规则作为特权信息（RuPI），在Qwen、Llama等模型上，其性能优于评分规则作为奖励的RL及参考完成PI蒸馏方法。

Comments Preprint, under review