**Meta 提出 RL-XAR 方法，利用专家对齐评分标准提升 AI 文本生成质量**

_Towards RL for Superhuman Text: Unslopping AI_

> Meta AI 团队发布 RL-XAR（基于专家对齐评分标准的强化学习）方法，旨在解决 AI 在非可验证任务（如高质量写作）中表现平庸的问题。该方法通过收集高质量人类文本，训练能区分专家与模型生成的评分标准（Rubrics），并据此进行强化学习迭代优化。实验表明，该方法在科学论文、普利策奖小说续写及维基百科页面生成等任务上，显著优于标准训练方法，有效消除了“AI 味”（AI slop）。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-09-28 23:21（北京时间）
- **原文**：[打开原文](https://facebookresearch.github.io/RAM/blogs/unslop)