one fable-low hijack cell
pair Score / Token
envelope zh_huo_q
ordering AB
effort low
Chinese '或' with explicit question marker — '{X}或{Y}？'
verdictpicked Token (second-offered)
· classifierB
· tiernone
response (200 chars)
这个问题通常出现在 **LLM 评估 / Reward Model 设计** 的讨论中,核心是:让模型输出**离散 token**作为判断,还是输出**连续分数(score)**?下面对比一下两种思路:
## Token 方式(生成式判断)
让模型直接生成 token,比如 "好/坏"、"A/B"、"1~5" 中的某个字符。
**优点:**
- 与 LLM 的预训练目标(next token
neighbors