C2: Scalable Rubric-Augmented Reward Modeling from Binary Preferences

评分 7 · 来源：cs.CL updates on arXiv.org · 发布于 2026-04-16

评分依据：仅需二元偏好即可构建评分准则增强的reward model，解决rubric标注成本瓶颈，发现低质量rubric的反作用