奖励模型终现Scaling Law！POLAR以小博大，重塑AI对齐范式 | AI资讯-AIGC.bar

POLAR奖励模型通过对比学习，首次展现Scaling Law，解决AI对齐瓶颈。1.8B模型性能媲美70B巨兽，推动强化微调RFT进入新阶段，是LLM和AGI发展的关键一步。