LongReward

LongReward是由清华大学、中国科学院及智谱AI共同研发的一种基于人工智能反馈的长文本大型语言模型（LLMs）性能优化方法。该方法通过从有用性、逻辑性、忠实性和完整性四个维度对模型输出进行评估，为模型提供奖励信号，并结合强化学习技术优化其表现。这种方法能够显著提升模型在长文本任务中的准确性、一致性以及上下文理解能力，同时减少错误信息的生成。LongReward还增强了模型对简短指令的执行效率，使其更具实用性。