LongReward是清华大学、中国科学院、智谱AI联合推出的，基于AI反馈改进长文本大型语言模型（LLMs）性能的方法。LongReward从有用性、逻辑性、忠实性和完整性四个维度为模型响应打分，提供奖励信号，强化学习的方式优化模型，让模型在处理长文本时更准确、一致，能更好地遵循指令。提升模型的长文本处理能力，增强遵循简短指令的效率。

LongReward – 清华、中科院、智谱AI联合推出提升长文本大语言模型性能的方法 第1张
（图片来源网络，侵删）
LongReward – 清华、中科院、智谱AI联合推出提升长文本大语言模型性能的方法 第2张
（图片来源网络，侵删）