面壁智能联合清华发布扩散奖励模型DRM

2026年9月30日，面壁智能（OpenBMB）通过官方账号宣布推出 Diffusion Reward Models（DRM），该模型由面壁智能联合清华大学 THUNLP 提出。据其介绍，DRM 不再把人类偏好压缩成单一分数，而是学习完整的奖励分布，从而保留分歧、不确定性与多种合理判断。目前公开信息仅涵盖该模型的提出与定位，未披露参数规模、训练数据、发布时间表或开放使用方式等细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。