待验证50% 置信基准精确时间

CleanRM 在去噪指标上超过了当前最先进的基线方法。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/16

首次发现

有效期至：2027/1/14

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 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。77% 相似待验证CleanRM 使用最优传输（Optimal Transport）来对齐含噪偏好分布与少量干净反馈分布。69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046109

API

curl https://kongchang.com/api/v1/knowledge/claims/1046109

MCP

get_claim(id=1046109)