小红书与复旦大学提出 DR-Rubric，用深度研究为开放式强化学习生成评分细则

小红书与复旦大学等机构提出 DR-Rubric，让模型先围绕任务做深度研究收集外部事实与约束，再转成逐条可检查的评分细则作为强化学习奖励信号，该工作已被 NeurIPS 2026 接收。实验在六个基准上每轮仅用 1000 条 RL 数据，在智能体研究和专家推理任务上取得有竞争力的表现。研究还发现自举生成细则时提升并不单调，继续迭代可能出现奖励升高而真实表现崩溃的情况。