生成质量评估模型能否作为强化学习奖励模型，需要验证什么？

知识专题：Verifier 与训练评测题目类型：开放讨论

相关面经：1 篇

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

蚂蚁集团

多模态算法

2026-02-09实习二面

查看原面经 →

sim 评估用什么做的？如果你用 LLM 训一个专门用来评估，和你用 sim 的评估方法有什么区别？用多少数据量来训这个？可以当奖励模型吗？