待验证50% 置信解决方案精确时间

CleanRM 的核心方法是逐样本地校准噪声比例，而非估计全局噪声率。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

CleanRM：用少量干净反馈破解RLHF噪声奖励建模难题

rss2026/10/15

涉及实体

相关事实

待验证CleanRM 在去噪指标上超过了当前最先进的基线方法。77% 相似待验证经典去噪方法普遍假设噪声比例在样本间是均匀的，而偏好数据中的噪声是逐样本变化的。74% 相似待验证检索降噪指从向量库召回的文档片段中过滤掉相关性低的噪声块，避免无关信息干扰模型判断72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046095

API

curl https://kongchang.com/api/v1/knowledge/claims/1046095

MCP

get_claim(id=1046095)