**PaperGym：基于评分标准的研究计划生成框架**

_PaperGym: Rubric-Centered Evolution for Research-Plan Generation_

> PaperGym将研究论文转化为强化学习训练环境，从论文结构分别提取问题和评估标准，将标准泄露率从11.90%-34.10%降至3.7%。在Qwen3系列模型上训练后，研究计划生成能力显著提升，超越监督微调方法，Qwen3-8B在ResearchQA上达到73.48分，超过更大的Kimi K2.6。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.31119)