小红书与复旦提出DR-Rubric评分细则框架

小红书与复旦大学等机构提出 DR-Rubric 框架：让模型先围绕任务做深度研究，收集外部事实、关键约束与常见错误，再转成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，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，在智能体研究和专家推理任务上取得有竞争力的表现。该闭环仍需外部检索工具和裁判模型。 研究还发现，自举生成细则并非每轮都能提升性能：过度迭代会出现奖励升高而真实表现崩溃的情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。