**吃下你的精准度：新奖励机制解决基于评分表的强化学习奖励黑客问题**

_Eat Your Precision: Precision Objective Mitigates Reward Hacking in Rubric-based RL_

> 针对基于评分表的强化学习（RL）中模型因过度追求召回率而生成冗长且包含错误内容的“奖励黑客”现象，研究提出了 FORK 奖励机制。该机制联合优化召回率与新颖的精准度目标，要求模型回答中的每个单元既必要又事实正确。实验表明，FORK 在保持评分表覆盖度的同时显著提升了回答精准度并缩短了篇幅，在医疗和健康领域的基准测试中，其胜率相比原始方法大幅提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.33512)