研究将眼动注视分布引入RLHF奖励建模并提升准确率

Chaeho Lee 等人发布入选 NeurIPS 2026 主会场的论文（arXiv:2611.13477），提出在 RLHF 奖励模型训练中引入眼动追踪数据：将视觉注意力建模为以当前注视位置为中心的空间梯度分布，并结合认知心理学关于人类字母识别的已有结论。 论文称，用该注视分布训练的奖励模型在偏好预测准确率上高于基线模型，且部分实验结果与已有的人类阅读注意力研究发现定性一致。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。