BiasReducer：面向奖励模型的自适应偏见缓解方法

BiasReducer 是一种面向奖励模型的自适应偏见缓解方法，无需重新训练模型，也无需预先指定目标偏见。现有方法要么重训奖励模型（需额外数据和算力），要么对长度、置信度等已知偏见施加固定修正，而 BiasReducer 可自适应处理偏见。