arXiv cs.AI· Yuxuan Fan, Jaehong Yoon·· 29 天前AI 评分36
MetaRubric：面向基于量规强化学习的奖励学习机制
MetaRubric: Learning to Reward for Rubric-Based Reinforcement Learning
AI 导读
MetaRubric 针对量规强化学习的“空洞奖励”（Vacuous Credit）缺陷，交替执行证据感知策略优化与响应引导的量规自适应。该方法通过反事实提示词确保仅凭充分证据赋分，并在阶段边界动态更新准则与权重。在多个骨干模型上，它相比静态裁判 GRPO 将 PubMedQA 准确率提升 6.00 至 20.40 个百分点，并在 HealthBench-Hard 等医学基准上取得增益。
来源：arXiv cs.AI · arxiv.org