优化
Verifier Engineering
Verifier Engineering是一种创新的后训练方法，通过搜索、验证和反馈三个阶段优化基础模型性能。它采用目标条件马尔可夫决策过程（GC-MDP），结合线性与树搜索算法，对模型输出进行动态调整。其验证器分类涵盖多种形式和粒度，并支持基于训练和推理的反馈方式。这项技术已在自然语言处理、代码生成、教育和内容安全等领域展现广泛潜力，成为提升模型鲁棒性和智能化水平的重要工具。
LongReward
LongReward是一种由清华大学、中国科学院及智谱AI联合开发的AI工具，专注于通过多维度评估（有用性、逻辑性、忠实性和完整性）来优化长文本大型语言模型的表现。它利用现成的语言模型提供奖励信号，并结合强化学习算法改善模型性能，特别擅长处理复杂长文本任务，如文档理解、摘要生成及特定领域的数据分析，如法律、金融和医疗。
