Rubricon无需人工偏好标签，通过候选筛选、补充和剪枝生成判别性评分量表。
推荐理由：它试图自动化不可验证任务中最昂贵的奖励设计环节，并允许任意LLM充当生成器；关键价值是减少对人工偏好数据的依赖。
阅读原文