COLM 2026 论文：基于评分规则的奖励监督与自蒸馏新方法

研究者提出论文《Rethinking Reward Supervision: Rubric-Conditioned Self-Distillation》，以评分规则（rubric）为条件的自蒸馏方法，解决 LLM 后训练中的奖励监督问题，将在 COLM 2026 展示。海报环节为 10 月 7 日周三 11:00–13:00 PST，地点 Grand Ballroom #128。