CMU 提出 BiasReducer：只改奖励模型线性头，自适应消除长度与自信度偏置

卡内基梅隆大学提出 BiasReducer，只编辑奖励模型的线性奖励头，用 SAE 风格编码器学习模型对长度、自信度等表面属性的敏感方向并自适应修正。在 5 个奖励模型上，BiasReducer-M 在三个基准平均提升 8.3、18.0、6.9 个百分点，超过两个基于训练的基线。收益还可迁移到下游，减少冗长与谄媚，同时保持可比的评审质量。