最近我在研究大语言模型，想用它来给样本打分。

起初，我尝试让模型用1到5分来评分，但它总是极端地给出最低分或最高分，评分缺乏中间地带。

于是我换了个方法，不再用数字，而是用描述性的词语，比如“非常差”到“非常好”。

这一改变，模型的评分立刻变得多样化，不再是简单的极端评价。

我又进一步尝试，让模型用百分制来评分。

这个范围更广，从1分到100分，模型可以更细致地评价样本的质量。

这些实验其实都是关于强化学习的奖励模型。

通过这些实验，我发现不同的评分方式对模型的表现有很大影响。

现在，我想和大家分享一个案例实验。

我们将看看这些不同的评分方法在实际应用中会有什么不同。

内容迁移微信公众号：李孟聊AI