内容介绍：
随着大模型能力不断提升，智能系统正在从“完成确定任务”走向“解决开放问题”。然而，当答案不再只有对与错，我们如何定义、评估并优化“好答案”？我们邀请了四位青年研究者，从 rubric 构建、自动评测到强化学习等角度出发，共同拆解下一代可解释奖励信号。
嘉宾：
刘文涵，中国人民大学高瓴人工智能学院博士生，研究方向聚焦大模型智能体与 AI 搜索，以第一作者身份发表 CCF-A/B 类论文 7 篇，曾在 ACL、WWW 等国际会议进行 Oral Presentation。现于阿里巴巴通义千问基座模型团队实习。
李高棠，伊利诺伊大学厄巴纳-香槟分校博士生，主要研究方向为语言模型训练，致力于提升模型的推理能力，以及模型在自主规划、工具使用和长程任务执行等场景中的表现。
张启源，香港城市大学计算机科学系博士生，研究方向聚焦 LLM-as-a-Judge、奖励模型与 RLHF 后训练技术，曾在腾讯混元和阿里巴巴通义千问团队实习。
周阳，浙江大学 ACES 实验室硕士生，研究方向聚焦强化学习、大模型智能体与模型后训练。目前于卓驭科技实习，曾在理想汽车和字节跳动 Seed 团队实习。
主持人：
梁小波，苏州大学副教授，研究方向是大模型对齐和奖励建模，曾在微软亚洲研究院、百度文心、西湖大学等知名机构开展访问研究。近五年以第一作者身份在 NeurIPS、TPAMI、ACL 等会议和期刊发表数十篇论文。
