# 奖励建模

天工评判系列模型由天工AI对齐团队开发，包含70B和8B两款先进的评判模型，擅长进行成对偏好评估，能够对输入的文本对进行细致比较，判断其相对质量或适用性。

天工评判系列模型是先进的评判模型，擅长进行成对偏好评估，能够对输入的一对内容进行比较和评估，给出细致的判断。

基于LLaMA-3-8B的监督微调模型，由Salesforce开发，用于强化学习人类反馈（RLHF）工作流程中的监督微调阶段。