AI资讯新闻榜单内容搜索-RL4HS

关键词: 模型训练,人工智能,AI,幻觉,RL4HS

论文提出的方法名为 RL4HS，它使用了片段级奖励（span-level rewards）和类别感知的 GRPO（Class-Aware Group Relative Policy Optimization），从而避免模型偷懒、只输出无错误预测。