**MetaRubric:解决评分标准强化学习中的空泛奖励问题** _MetaRubric: Learning to Reward for Rubric-Ba
原帖
**MetaRubric:解决评分标准强化学习中的空泛奖励问题**
_MetaRubric: Learning to Reward for Rubric-Based Reinforcement Learning_
> 针对基于评分标准的强化学习(Rubric-based RL)中存在的“空泛奖励”(Vacuous Credit)问题,即评分器在响应缺乏必要信息时仍给予高分,MetaRubric 提出了一种交替进行证据感知策略优化与响应引导评分标准适应的方法。通过构建反事实对照并仅在响应包含充分证据时分配信用,该方法在 PubMedQA 等医疗基准测试中显著提升了模型性能,准确率较静态评分器 GRPO 提高 6.00-20.40 个百分点。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.02824)