Meta 在 8 月发表了一篇题为《Self-Taught Evaluators》的论文，提出了自学习评估器，用于生成合成偏好数据来训练奖励模型，无需依赖人工标注。
论文链接：https://arxiv.org/abs/2408.02666
代码链接：https://github.com/facebookresearch/RAM/tree/main/projects/self_taught_evaluator
访问合成数据：https://huggingface.co/datasets/facebook/Self-taught-evaluator-DPO-data
模型链接：https://huggingface.co/facebook/Self-taught-evaluator-llama3.1-70B
