#аугментация данных20.07.2025
Master-RM: укрепление доверия к LLM-моделям награды против поверхностных уязвимостей
Master-RM — новая модель награды, устраняющая уязвимости LLM-оценщиков к поверхностным подсказкам и обеспечивающая более надежные результаты в обучении с подкреплением.