Meta

LLMs Gaming Verifiers: RLVR can Lead to Reward Hacking

Lukas Helff, Quentin Delfosse, David Steinmann, Ruben Härle, Hikaru Shindo, Patrick Schramowski, Wolfgang Stammer, Kristian Kersting, Felix Friedrich

机构 * TU Darmstadt（图宾根大学） ； DFKI（德累斯顿人工智能研究所） ； Intrinsic ； Lab1141（Lab1141实验室） ； CERTAIN, Germany（德国CERTAIN） ； MPI-Inf, SIC（慕尼黑人工智能研究所） ； Meta 纠错

FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation

FRESCO：用于检索增强生成中动态语义冲突的重排序器基准测试与优化

Sohyun An, Hayeon Lee, Shuibenyang Yuan, Chun-cheng Jason Chen, Cho-Jui Hsieh, Vijai Mohan, Alexander Min

机构 * Meta Superintelligence Labs（Meta超智能实验室） 纠错

AI总结 FRESCO针对检索增强生成中动态语义冲突问题，评估重排序器在时间动态场景下的性能，发现现有重排序器对较旧文档存在偏见，通过指令优化框架改进了27%的动态知识任务性能。

Measuring multi-calibration

多校准的度量

Ido Guy, Daniel Haimovich, Fridolin Linder, Nastaran Okati, Lorenzo Perini, Niek Tax, Mark Tygert

机构 * Central Applied Science at Meta and Fundamental Artificial Intelligence Research at Meta（Meta 应用科学中心和 Meta 基础人工智能研究） 纠错

AI总结 本文提出一种新的度量方法，用于评估多校准性能，该方法基于Kuiper统计量，考虑不同子群体的信噪比，避免了传统分箱或核密度估计的缺点。

Comments 25 pages, 12 tables