**ReVeR：基于工具增强裁判的逐点评分标准奖励模型**

_Rubrics from the Task, Verdicts from Evidence: Pointwise Rubric Rewards with Tool-Augmented Judges_

> 针对现有评分标准奖励模型（Rubric RM）存在的响应诱导偏差及成对比较局限性，论文提出 ReVeR 框架。该方法仅基于指令推理生成硬性规则与分级原则，并利用工具增强裁判独立评估响应。通过标签盲蒸馏训练，ReVeR 在偏好准确率、指令遵循及下游策略优化方面优于成对模型，并揭示了评分标准保真度与下游效用之间的差异。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18766)