昆侖萬維在人工智能領(lǐng)域再度發(fā)力，于近期正式推出了其第二代獎勵模型系列——Skywork-Reward-V2。這一系列共涵蓋了8個不同規(guī)模的模型，參數(shù)量從6億至80億不等，均基于不同的基座模型構(gòu)建。令人矚目的是，Skywork-Reward-V2系列一經(jīng)問世，便迅速在七大主流獎勵模型評測中脫穎而出，全面奪得榜首，成為開源獎勵模型領(lǐng)域的新星。bvq28資訊網(wǎng)——每日最新資訊28at.com

獎勵模型在強(qiáng)化學(xué)習(xí)從人類反饋（RLHF）的過程中扮演著核心角色。為了打造這一全新系列的獎勵模型，昆侖萬維精心構(gòu)建了一個包含4000萬對偏好對比的混合數(shù)據(jù)集Skywork-SynPref-40M。在數(shù)據(jù)處理策略上，團(tuán)隊(duì)創(chuàng)新性地采用了人機(jī)協(xié)同的兩階段流程，巧妙地將人工標(biāo)注的高質(zhì)量與模型的大規(guī)模處理能力相結(jié)合。在第一階段，團(tuán)隊(duì)首先構(gòu)建了一個初始的、未經(jīng)驗(yàn)證的偏好池，并借助大語言模型生成輔助屬性。隨后，人工標(biāo)注者依據(jù)嚴(yán)格的協(xié)議，借助外部工具和大語言模型，對部分?jǐn)?shù)據(jù)進(jìn)行精細(xì)審核，從而構(gòu)建出一個小規(guī)模但高質(zhì)量的金標(biāo)準(zhǔn)數(shù)據(jù)集。以此為引導(dǎo)，結(jié)合大語言模型，團(tuán)隊(duì)進(jìn)一步生成了高質(zhì)量的銀標(biāo)準(zhǔn)數(shù)據(jù)，并通過多輪迭代不斷優(yōu)化。進(jìn)入第二階段，團(tuán)隊(duì)轉(zhuǎn)向自動化的大規(guī)模數(shù)據(jù)擴(kuò)展，利用訓(xùn)練完成的獎勵模型執(zhí)行一致性過濾，既減輕了人工標(biāo)注的負(fù)擔(dān)，又實(shí)現(xiàn)了偏好數(shù)據(jù)規(guī)模與質(zhì)量的完美平衡。bvq28資訊網(wǎng)——每日最新資訊28at.com

基于這一優(yōu)質(zhì)的混合偏好數(shù)據(jù)，Skywork-Reward-V2系列展現(xiàn)出了廣泛的適用性和卓越的能力。它不僅在人類偏好的通用對齊、客觀正確性、安全性、風(fēng)格偏差抵抗能力以及best-of-N擴(kuò)展能力等多個維度上表現(xiàn)出色，還在Reward Bench v1/v2、PPE Preference & Correctness、RMB、RM-Bench、JudgeBench等七大主流獎勵模型評估基準(zhǔn)上全面達(dá)到了當(dāng)前最優(yōu)水平。即便是系列中最小的模型Skywork-Reward-V2-Qwen3-0.6B，其整體性能也幾乎達(dá)到了上一代最強(qiáng)模型的平均水平，而Skywork-Reward-V2-Qwen3-1.7B更是超越了當(dāng)前開源獎勵模型的最高水平。最大規(guī)模的模型Skywork-Reward-V2-Llama-3.1-8B在所有主流基準(zhǔn)測試中均全面超越，成為了當(dāng)前整體表現(xiàn)最優(yōu)的開源獎勵模型。bvq28資訊網(wǎng)——每日最新資訊28at.com

Skywork-Reward-V2系列還具備廣泛覆蓋多維人類偏好的能力。在通用偏好評估基準(zhǔn)上，它優(yōu)于多個參數(shù)更大的模型以及最新的生成型獎勵模型；在客觀正確性評估方面，它在知識密集型任務(wù)中展現(xiàn)出了突出的表現(xiàn)；在多項(xiàng)高級能力評估中，包括Best-of-N任務(wù)、偏見抵抗能力測試、復(fù)雜指令理解以及真實(shí)性判斷等，均取得了領(lǐng)先的成績，充分展現(xiàn)了其出色的泛化能力與實(shí)用性。bvq28資訊網(wǎng)——每日最新資訊28at.com

數(shù)據(jù)篩選流程的高度擴(kuò)展性也顯著提升了獎勵模型的性能。經(jīng)過精細(xì)篩選和過濾的偏好數(shù)據(jù)，在多輪迭代訓(xùn)練中能夠持續(xù)有效地提升模型的整體性能，特別是在第二階段的全自動數(shù)據(jù)擴(kuò)展中表現(xiàn)尤為顯著。早期版本的實(shí)驗(yàn)結(jié)果顯示，僅需使用1.8%的高質(zhì)量數(shù)據(jù)訓(xùn)練8B規(guī)模的模型，其性能就能超越當(dāng)前的70B級最高水平獎勵模型，這充分印證了Skywork-SynPref數(shù)據(jù)集在規(guī)模和質(zhì)量上的顯著優(yōu)勢。bvq28資訊網(wǎng)——每日最新資訊28at.com

對于感興趣的研究人員和開發(fā)者來說，可以通過以下鏈接獲取更多關(guān)于Skywork-Reward-V2系列的信息和資源：HuggingFace地址為https://huggingface.co/collections/Skywork/skywork-reward-v2-685cc86ce5d9c9e4be500c84，GitHub地址為https://github.com/SkyworkAI/Skywork-Reward-V2。bvq28資訊網(wǎng)——每日最新資訊28at.com

舉報 0收藏 0打賞 0評論 0分享 0  更多>同類資訊CoreWeave首商用英偉達(dá)Blackwell Ultra芯片，引領(lǐng)AI云計(jì)算新篇章07-04MiniMax-M1登頂開源AI榜，技術(shù)實(shí)力彰顯，引領(lǐng)行業(yè)新風(fēng)潮07-04英偉達(dá)股價攀升至新高，市值突破3.89萬億美元成全球科技新領(lǐng)袖07-04微軟年內(nèi)二度大規(guī)模裁員，近9000崗位受影響07-04ABB推出三款新型機(jī)器人，瞄準(zhǔn)中國中型企業(yè)自動化需求IT之家 7 月 3 日消息，據(jù)路透社報道，瑞士工程巨頭 ABB周三宣布，將面向中國市場推出三款新型工廠機(jī)器人系列，瞄準(zhǔn)對自動化需求日益增長的中國中型企業(yè)。 根據(jù)國際機(jī)器人聯(lián)合會的數(shù)據(jù)，中國已成為全球最大的…07-04中國移動中興通訊聯(lián)手打造“聯(lián)創(chuàng)+”自智網(wǎng)絡(luò)實(shí)驗(yàn)室，加速科技創(chuàng)新成果轉(zhuǎn)化近日，中國移動通信集團(tuán)有限公司與中興通訊股份有限公司在北京舉行“聯(lián)創(chuàng)+”自智網(wǎng)絡(luò)開放實(shí)驗(yàn)室揭牌儀式。此舉旨在貫徹國家科技創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，加速自智網(wǎng)絡(luò)高階發(fā)展。 中國移動副總經(jīng)理李慧鏑強(qiáng)調(diào)，通信產(chǎn)業(yè)是推動社會…07-04榮耀Magic V5深度評測：極致輕薄下的性能與智能新高度在性能上，榮耀Magic V5并沒有因?yàn)檩p薄而向性能妥協(xié)，這恰好就是用戶的理想型。如果你想要擁有一部折疊屏手機(jī)雙持的話，那么榮耀Magic V5一定就是一個不錯的選擇，不僅輕薄，而且還沒有傳輸壁壘，想怎么傳…07-04智譜AI上海子公司增資近50倍，寰宇科技公司資本躍升至5億07-04優(yōu)必選杭州布局，新設(shè)智行機(jī)器人公司，注冊資本高達(dá)5000萬！07-04歌爾股份杭州新設(shè)歌爾泰克，注冊資本達(dá)500萬引關(guān)注07-04中石油昆侖資本攜手山東未來機(jī)器人，共譜智能制造新篇章07-04AI賦能熱輻射超材料設(shè)計(jì)，批量創(chuàng)制方案突破傳統(tǒng)設(shè)計(jì)上限金屬基復(fù)合材料全國重點(diǎn)實(shí)驗(yàn)室、上海交通大學(xué)材料科學(xué)與工程學(xué)院、張江高等研究院未來材料創(chuàng)制中心教授周涵表示，熱輻射超材料的設(shè)計(jì)難點(diǎn)在于缺乏普適性方法，即缺乏多材料、多結(jié)構(gòu)、多維度、多參數(shù)的全自動設(shè)計(jì)范式及通用方…07-03Fortinet連續(xù)第二年榮膺Gartner企業(yè)級WLAN魔力象限領(lǐng)導(dǎo)者Fortinet 全面集成至 Fortinet Security Fabric 的企業(yè)級有線和無線局域網(wǎng)解決方案，為用戶打造經(jīng)實(shí)踐檢驗(yàn)、以人工智能驅(qū)動的安全平臺，全面融合網(wǎng)絡(luò)與安全性，助力用戶降低復(fù)雜性、緩…07-03外灘大會AI科創(chuàng)賽啟幕，探索生活變革、金融智能與安全防護(hù)新應(yīng)用07-03外灘大會AI科創(chuàng)賽盛啟，三大領(lǐng)域角逐百萬獎金共促創(chuàng)新7月3日，2025 Inclusion·外灘大會科技智能創(chuàng)新賽（簡稱“外灘大會AI科創(chuàng)賽”）正式啟動，本屆大賽在上海市科學(xué)技術(shù)委員會指導(dǎo)下，聚焦AI智能硬件、金融智能、AI安全等領(lǐng)域創(chuàng)新應(yīng)用，設(shè)置人工智能硬…07-03點(diǎn)擊查看更多 +全站最新黑洞之謎：高維度或是解開其本質(zhì)的關(guān)鍵線索長四丙火箭西昌再建功，成功發(fā)射試驗(yàn)二十八號B星01星入軌哈工大錄取通知書：宇宙級浪漫，攜夢想上太空小鵬G7正式上市挑戰(zhàn)Model Y，何小鵬：智能算力新紀(jì)元開啟，9分鐘大定破萬豐田借勢漲價，或加速供應(yīng)鏈倒戈，國產(chǎn)電車面臨新挑戰(zhàn)小鵬G7正式上市：L3級算力引領(lǐng)智駕新時代，起售價19.58萬元熱門內(nèi)容

• 高考志愿填報熱潮中，夸克“深度搜索”成考生新寵，人均使用4次尋建議
• 馬斯克宣布Grok 4大模型即將面世，或?qū)榫幊檀蛟?/li>
• 高考志愿填報熱潮下，夸克“深度搜索”助力考生，人均使用達(dá)4次
• 蘋果AI「Apple Intelligence」國行版，終于要來了嗎？
• QQ瀏覽器AI高考通新上線：智能生成高考志愿報告，助你科學(xué)填報！
• 火山引擎PromptPilot：一鍵優(yōu)化指令，解鎖AI大模型新效能
• 阿里領(lǐng)投硅基流動，清華系A(chǔ)I創(chuàng)企再獲數(shù)億融資，DeepSeek流量爆棚后新動作？
• 夸克高考志愿大模型上線，讓每個考生擁有自己的AI志愿填報顧問！
• 字節(jié)跳動火山引擎發(fā)布豆包1.6與Seedance1.0，AI技術(shù)再升級成本大降
• 淘天集團(tuán)RecGPT大模型上線，電商推薦迎來個性化新升級
• 英偉達(dá)攬才：清華“天才少年”朱邦華攜手焦劍濤加盟
• 優(yōu)志愿鴻蒙版上線，AI智能填報高考志愿，科學(xué)規(guī)劃升學(xué)新路徑
• 字節(jié)跳動美食AI“探飯”內(nèi)測，豆包大模型助力本地生活服務(wù)升級
• 麥芒40新機(jī)大揭秘：5000萬像素主攝搭配6100mAh電池，設(shè)計(jì)如何？
• 小紅書首次開源大模型，1420億參數(shù)媲美阿里Qwen3，AI版圖再擴(kuò)張

本欄最新微軟年內(nèi)二度大規(guī)模裁員，近9000崗位受影響ABB推出三款新型機(jī)器人，瞄準(zhǔn)中國中型企業(yè)自動化需求中國移動中興通訊聯(lián)手打造“聯(lián)創(chuàng)+”自智網(wǎng)絡(luò)實(shí)驗(yàn)室，加速科技創(chuàng)新成果轉(zhuǎn)化榮耀Magic V5深度評測：極致輕薄下的性能與智能新高度智譜AI上海子公司增資近50倍，寰宇科技公司資本躍升至5億優(yōu)必選杭州布局，新設(shè)智行機(jī)器人公司，注冊資本高達(dá)5000萬！

本文鏈接：http://www.tebozhan.com/showinfo-45-14321-0.html昆侖萬維發(fā)布Skywork-Reward-V2獎勵模型，全面奪魁七大主流評測榜單

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 中國醫(yī)療大模型領(lǐng)跑全球，畢馬威展望智能醫(yī)療市場巨大潛力

下一篇： CoreWeave首商用英偉達(dá)Blackwell Ultra芯片，引領(lǐng)AI云計(jì)算新篇章