MatrixReward：基于评分细则矩阵的开放式生成奖励机制

MatrixReward 针对缺乏标准答案的开放式生成任务，通过在各项评分细则下两两对比生成回答来构建胜率矩阵。该方法结合细则统计特征自适应计算细则权重，并依据样本到正负理想分布的距离确定质量奖励。在基于 Qwen3-8B 的 4 个开放式问答评测基准中，MatrixReward 取得 63.02 的平均分，超越最强基线约 2.0%。