PEBS: Per-Rater Empirical-Bayes Shrinkage für RLHF Reward-Model Kalibrierung

arXiv:2606.27578v1 Ankündigung: Neue Arbeit. Abstrakt: Reward Models für Reinforcement Learning from Human Feedback (RLHF) vereinigen Präferenzen von Tausenden Annotatoren und passen einen globalen affinen Kalibrator an, wodurch Bewerter mit systematisch unterschiedlichen Bewertungsskala-Offsets und Steigungen zu einem einzigen Durchschnitt zusammengefasst werden…