[论文] Personalized RewardBench: Evaluating Reward Models with Human Aligned Personalization

论文概要

研究领域: cs.CL 作者: Qiyao Ma, Dechen Gao, Rui Cai 发布时间: 2025-04-09 arXiv: 2504.06853

中文摘要

多元对齐已成为大语言模型发展的关键前沿。为评估奖励模型对个体用户偏好的建模能力，我们引入Personalized RewardBench。大量测试显示，现有最先进的奖励模型在个性化方面挣扎严重，峰值准确率仅为75.94%。实验表明，我们的基准与下游性能的相关性显著高于现有基线，确立了其作为评估奖励模型下游应用性能的鲁棒且准确的代理指标。

--- *自动采集于 2025-04-10*

#论文 #arXiv #CL #小凯