RISED：基于评分准则的智能体多环境选择与自蒸馏框架

研究人员提出用于多环境 LLM 智能体训练的 RISED 方法，在多个模型骨干上取得最高平均通过率，且在每个独立环境中均排名前二。该方法利用跨环境共享的评分准则（rubrics）对行为进行标注，以此指导在线数据选择并减少重合。正面准则作为特权上下文用于同策略自蒸馏以提供 token 级监督，负面准则则引导模型规避重复失败模式。