小红书与复旦提出DR-Rubric评分细则方法

2026年10月19日，机器之心报道，小红书与复旦大学等机构提出 DR-Rubric 方法，用于为开放式强化学习生成评分细则。该方法让模型先围绕任务做深度研究，收集外部事实与约束，再将其转化为逐条可检查的评分细则，作为强化学习的奖励信号。该工作已被 NeurIPS 2026 接收。实验在六个基准上每轮仅使用 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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。