# 獎勵建模

天工評判系列模型由天工AI對齊團隊開發，包含70B和8B兩款先進的評判模型，擅長進行成對偏好評估，能夠對輸入的文本對進行細緻比較，判斷其相對質量或適用性。

天工評判系列模型是先進的評判模型，擅長進行成對偏好評估，能夠對輸入的一對內容進行比較和評估，給出細緻的判斷。

基於LLaMA-3-8B的監督微調模型，由Salesforce開發，用於強化學習人類反饋（RLHF）工作流程中的監督微調階段。