通过能力感知协同演化策略与 Rubric 实现开放式生成

研究人员提出 CoCA 闭环框架，通过准则级能力诊断协同自适应演化评估标准（Rubric）与策略模型，解决大语言模型开放式生成中强化学习奖励区分度不足的问题。该框架对比无引导与标准引导的采样来校准难度失配的准则，并通过引导优化或 on-policy 自蒸馏转化能力收益。多项基准测试表明，CoCA 性能持续优于传统基于 Rubric 的强化学习方法，并能有效减轻能力退化。