BiasReducer：面向奖励模型的自适应偏见缓解框架

BiasReducer 通过只编辑奖励模型的线性奖励头，自动识别并削弱模型对长度、自信度等表层属性的依赖，无需重新训练。在五个奖励模型上，BiasReducer-M 将三项基准平均提升 8.3、18.0 和 6.9 个百分点，优于两个基于训练的基线。该增益可迁移至下游，减少冗余冗长与谄媚，同时保持相当的评判质量。