本研究提出J1方法，通过强化学习提升大型语言模型的判断能力，解决人工智能评估质量不足的问题。研究结果显示，该模型在多个基准测试中表现优于其他模型，验证了新颖奖励策略的有效性。

本研究提出了一种新方法，通过上下文学习将大语言模型（LLMs）基准评估中的任务数量减少至原来的5%。该方法高效且无需训练，显著节省时间和资源，同时保证评估质量。