Skywork-Reward-V2

Skywork-Reward-V2是崑崙萬維於2025年7月4日開源的第二代獎勵模型系列，屬於人工智慧領域強化學習方向的技術成果，包含8個基於Qwen3和LLaMA3系列基座模型開發的獎勵模型，參數規模覆蓋6億至80億區間。該系列模型基於包含4000萬對偏好對比的混合數據集Skywork-SynPref-40M訓練，通過“人機協同兩階段流程”篩選出2600萬條精選數據，包括人工構建金標準數據和全自動擴展銀標準數據。

該系列在Reward Bench v1/v2、PPE Preference & Correctness等七大主流評測基準中均取得最優表現，其中最小模型Skywork-Reward-V2-Qwen3-0.6B性能接近上一代27B模型，最大參數模型Skywork-Reward-V2-Llama-3.1-8B在所有測試中全面超越現有開源模型。崑崙萬維通過該開源項目推動基於人類反饋強化學習（RLHF）研究發展，其開源標誌著開源獎勵模型邁入新階段，未來計畫探索統一獎勵系統作為AI基礎設施核心的潛力。

基本介紹

• 中文名：Skywork-Reward-V2
• 模型類型：獎勵模型

模型內容

Skywork-Reward-V2共包含8個基於不同基座模型和不同大小的獎勵模型，參數規模從6億到80億不等。

發展歷史

2025年7月4日，崑崙萬維宣布開源第二代獎勵模型（Reward Model）Skywork-Reward-V2系列。