**CriPO：通过自蒸馏增强基于量表的强化学习**

_Enhancing Rubric-based RL via Self-Distillation_

> 论文提出CriPO方法，通过策略自蒸馏解决基于量表的强化学习中的探索不足和抑制标准问题。在医学和科学基准测试中，该方法以约2倍更少的优化步骤实现了更优性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18082)