RISED：基于评价准则的智能体多环境数据选择与自蒸馏

研究人员提出多环境智能体训练框架 RISED，利用行为评价准则（rubrics）指导在线数据选择与策略监督。该方法通过大语言模型标注跨环境行为画像，以正向准则为自蒸馏提供 token 级监督，并以负向准则引导生成规避重复失败。测试显示，RISED 在不同骨干模型上均取得最高跨环境平均 pass rate，并在各独立环境中排名前两位。