arxiv · arXiv · 2026-10-07 01:26 · 评分 88
研究分析Best-of-N评估中重复使用筛选分数导致奖励高估的问题，证明在候选分数矩阵固定的情况下，仅当用于选择的独立分数数J小于矩阵分数数K时，估计器严格无偏，为对齐评估提供更严谨的统计工具。
原文：arXiv ｜ 返回 AI 资讯列表