苹果提出‘清单法’ 用AI大模型指导小模型执行复杂指令
（图片来自网络）
IT之家 8 月 26 日消息，科技媒体 9to5Mac 昨日（8 月 25 日）发布博文，报道称苹果研究人员在最新论文中提出“基于清单反馈的强化学习”（RLCF）方法，用任务清单替代传统人类点赞/点踩评分，显著提升大语言模型（LLMs）执行复杂指令能力。
IT之家注：RLCF 的全称为 Reinforcement Learning from Checklist Feedback，不同于传统的“人类反馈强化学习”（RLHF）依赖人工点赞/点踩，RLCF 为每条用户指令生成具体的检查清单，并按 0 - 100 分逐项评分，用以指导模型优化。
研究团队在强指令跟随模型 Qwen2.5 - 7B - Instruct 上测试该方法，涵盖五个常用评测基准。结果显示，RLCF 是唯一在全部测试中均取得提升的方案：
- FollowBench 硬性满意率提升 4 个百分点
- InFoBench 提高 6 点
- Arena - Hard 胜率增加 3 点
- 某些任务最高提升达 8.2%
这表明清单反馈在复杂、多步骤需求的执行中效果显著。清单的生成过程也颇具特色。团队利用更大规模的 Qwen2.5 - 72B - Instruct 模型，结合既有研究方法，为 13 万条指令生成了“WildChecklists”数据集。清单内容为明确的二元判断项，例如“是否翻译成西班牙语？”。随后，大模型对候选回答逐项打分，综合加权后作为小模型的训练奖励信号。
苹果研究者也坦言该方法存在局限。首先，它依赖更强模型作为评判者，这在资源受限场景下未必可行。其次，RLCF 专注于提升复杂指令执行能力，并非设计用于安全对齐，因此不能替代安全性评估与调优。对于其他任务类型，该方法的适用性仍需进一步验证。
（声明：该内容经AI精编）
查看原网页
最新新闻
- 2025年11月6日：苹果推出iOS 26‘液态玻璃’设计，设立画廊展示第三方应用实践效果
- 2025年11月6日：东莞滨海湾：人工智能赛事助力青年创业梦，开启创新新篇章
- 2025年11月6日：首次参展进博会，美团买药呈现新服务亮点
- 2025年11月6日：天翎科发布全球首款全尺寸倾转涵道翼eVTOL飞行器L600
- 2025年11月6日：小鹏何小鹏披露人形机器人量产及标准：明年底量产 硬件软件超车规
- 2025年11月6日：小鹏X9超级增程预售启动，鲲鹏技术引领增程新阶段
- 2025年11月6日：世界足球先生11人候选名单出炉：巴黎4巨星+巴萨3人 哈兰德无缘
- 2025年11月6日：斯波尔斯特拉住宅火灾后明日仍执教比赛
- 2025年11月6日：佩莱格里尼赛后阐述比赛与状态：我们正走在正确的道路上
- 2025年11月6日：托纳利续约纽卡很开心；未承诺长期未来仅谈当下心态
- 2025年11月6日：马卡：明年年初皇马将重启吕迪格的续约，双方期待再次合作
- 2025年11月6日：斯肯迪亚1-1雅盖隆 战术交锋精彩，拉蒂菲与洛萨诺各入一球
- 2025年11月6日：WTA年终总决赛单打：萨巴伦卡全胜晋级 高芙出局
- 2025年11月6日：费伦茨瓦罗斯3-1卢多戈雷茨 比赛精彩瞬间与进球亮点
- 2025年11月6日：欧联赛场精彩绽放！25岁球员挑射建功 贝蒂斯4轮不败延续强势
- 2025年11月6日：克拉约瓦大学1-0战胜维也纳快速 罗曼丘克绝杀建功
- 2025年11月6日：OpenAI高管言论争议事件，特朗普顾问发声：AI公司倒闭无需政府救助
- 2025年11月6日：康纳-布拉德利状态回升，利物浦后防稳定性提升
- 2025年11月6日：纽卡斯尔联赛与欧冠表现差异明显：杯赛球队特质显现
- 2025年11月6日：马萨拉谈罗马队备战：每场比赛都要全力竞争 无保留竞技
精彩评论（10）