DeCert 框架无需参考答案评估生成式奖励模型的推理质量

康涅狄格大学与 NEC Labs 的论文提出 DeCert（Decision Certificate Supervision），用于评估和改进生成式奖励模型（GenRM）的推理理由。该方法不只判断结果是否正确，还评估论证有效性与结论一致性，无需参考解释，并可产生更强的偏好监督信号。