北京
有些判断没有标准答案。一段代码写得优雅不优雅，一份方案考虑得周不周全，这类专业判断过去只能靠人。Paper Instruments 的 Ultramarine 1 Flash 想做的，就是让 AI 也学会打这种分。
它的做法是基于评分标准的合成强化学习。模型不是去比对唯一正确答案，而是围绕一套评分标准反复练习，在无法验证的领域里形成判断力。这套机制被用在专业判断的训练上。
成本是这套方案最扎眼的数字：每个任务0.13 美元。按这个价格算，它比 Claude Fable 5 便宜 60 倍。判断力训练从"烧钱试错"变成了一项可以批量跑的任务。
提出这套思路的一方还给出了一个延伸判断：这类基础设施的能力不止于专业评分，它同样可以扩展到 AI 陪伴类应用的训练上。陪伴场景里的回应好不好，本来也是没法用对错衡量的。
把"无法验证"变成"可以打分"，难点不在模型规模，在于评分标准怎么定、合成数据怎么造。Ultramarine 1 Flash 给出的答案是：先有一套可执行的评分标准，再让模型在合成环境里反复对齐它。
0.13 美元一个任务，60 倍的价差，这两个数字放在一起，说明判断力这件事正在被拆成可计价的工程问题。至于拆得对不对，得看评分标准本身站不站得住。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
