据谷歌官方新闻稿，谷歌近日推出了一项名为 Cappy 的模型打分框架，该框架以 RoBERTa 语言模型为基础，主要用于检测模型输出的内容，并为相关内容打分，之后相关分数将会作为参考基准让模型学习，从而让模型更聪明。
此外，Cappy 框架也可以作为大语言模型的“候选机制”，该框架可以内置在模型中，并对模型预输出的内容生成分数，并选择分数最高的回应作为最终输出，以提高大语言模型输出内容的正确性。
研究人员提到，相对于业界其他方案，Cappy 框架的 RAM 用量更低，这是由于相关框架无需访问模型参数，因此该框架也能够兼容各种闭源大模型，包括仅支持通过 Web API 访问的模型。
IT之家从报告中得知，研究人员使用 PromptSource 的 11 项语言理解分类任务中测试 Cappy 框架，该框架虽然仅拥有 3.6 亿参数，但报告显示该框架的实际纠错性能优于规模更大的 OPT-175B 和 OPT-IML-30B 模型，因此具有一定前瞻意义。
