超越评分标准：用于奖励建模的探索引导型评估技能

针对开放域奖励建模中缺乏可验证答案时的细微偏好判断难题，本文提出 Eval-Skill 方法。该方法摒弃了传统的在线生成评分标准或参数训练模式，转而将奖励指导重构为上下文进化过程。通过工作流生成与原则生成两个阶段，结合探索与选择机制，仅需少量样本即可合成可复用的领域级评估技能。实验表明，该方法在多个基准测试中显著提升了不同评判模型的性能，为基于大语言模型的评估提供了高效的新范式。