1 Matching Annotations
  1. Last 7 days
    1. a frozen LLM judge acts as a veto on top of the verifier

      ①数字:在验证器之上叠加一票否决权。②金句:通过冻结的LLM实现意图级别的审查。③非共识:不依赖确定性的规则做最终奖励裁决,而是引入主观的模型判断。④批判:这种做法容易引入新的系统性偏差,因为frozen judge的价值观将直接决定哪些演化策略被保留。