技术博客

AI技术正迈向新阶段——模型具备自我制定评估规则的能力。EVOLM技术系统揭示了模型评估能力的结构化进化路径。基于Qwen3-8B训练的rubric生成器，在RewardBench-2测试中表现超越GPT-4.1，提升达25.7%；其衍生策略在OLMo3-Adapt的12项基准测试中平均得分69.3%，较GPT-4.1训练策略高出3.9%，更显著优于当前最先进的8B标量奖励模型SkyWork-RM训练策略16%。该成果标志着奖励建模与模型自评能力的重大突破。