面壁智能推出 Diffusion Reward Models，学习完整奖励分布

面壁智能联合清华 THUNLP 提出 Diffusion Reward Models（DRM），不再把人类偏好压缩成单一分数，而是学习完整奖励分布，保留分歧、不确定性与多种合理判断。