元宝—基于rubrics的网页set选取技术研究

课题背景： 在RAG/Search Agent场景中，排序系统承担着为LLM供给基础物料、助力其生成可信赖回复的核心作用。但当前排序系统存在明显局限，其仅通过拟合rank label输出网页列表，在信息密度上表现不佳，具体体现为网页信息存在错误、冗余、冲突等问题，无法充分满足LLM对输入物料的高质量需求。与此同时，近期Rubrics RM的出现为LLM RL领域开辟了新的方向，这也为排序系统的优化提供了新的思路。 课题挑战： 要实现基于rubrics的网页Set选取，仍需攻克以下三项核心研究挑战：

1. 01

   如何定义合理的search rubrics，并探索其自动化合成方法，确保rubrics能够精准匹配Query需求；

2. 02

   如何基于rubrics对网页set RM进行科学、全面的评估，验证其选取效果；

3. 03

   如何设计可行的网页set选取RL训练方案，保障排序系统能够稳定输出符合rubrics标准的网页集合。 具体工作：

4. 01

   基于rubrics的网页set选取模型训练优化：包括rubrics抽取、基于rubrics的reward model设计、RL训练等，优化排序效果

5. 02

   基于answer的set选取模型训练优化：对齐answer好坏标准，通过answer的反馈信号（点赞、点踩、分享、重新生成等）和rubrics 对set选取模型RL训练，优化排序效果

1. 01

   包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士；

2. 02

   熟练掌握计算机视觉和图像处理相关的基本算法及应用，熟悉Caffe、TensorFlow，PyTorch等至少一个深度学习框架；

3. 03

   较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。