**RRT:基于项目反应理论的评分标准奖励机制**

_Rubric Rewards from Item Response Theory_

> 针对无标准答案任务,提出评分标准反应理论(RRT)。该机制利用双参数项目反应模型将评分标准判定转化为标量奖励,优化信噪比。通过响应参数网络(RPN)预测标准难度与区分度,并结合在线期望最大化算法动态更新。实验显示,RRT在医疗和科学领域显著优于GRPO,且能以一半的评判预算保持竞争力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.35646)