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构建评分标准

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，论文与代码已公开。实验在六个基准上每轮仅用 1000 条 RL 数据，智能体研究与专家推理任务取得有竞争力的表现。研究还发现自举生成细则时性能并非单调提升，过度迭代会出现奖励升高而真实表现崩溃的情况。