基于项目反应理论的 Rubric 奖励

针对无单一标准答案的语言任务，研究提出用项目反应理论（IRT）聚合 rubric 判定结果，替代将各条满足标准得分简单相加的做法，以缓解不同判定模式得到相同奖励的问题。该方法还试图减少 rubric 标准数量增长时所需的评判请求数。