上海人工智能实验室和复旦大学推出的POLAR奖励模型，通过对比学习预训练范式首次在奖励模型领域展现了“缩放法则”，大幅降低了对人工标注数据的依赖。该模型以小参数量超越了大型竞争对手，不仅为大模型高效对齐人类偏好开辟了新路径，更预示着AI对齐技术将走向可规模化和普惠化的新时代。