RuACT：让失效评分项充当评论者与教师

Yijun Li 等作者提出 RuACT 方法，按缺失类型给强化学习中的失效评分项分配角色：不可达评分项作为特权信息，用于奖励门控的在线自蒸馏（Rubric as Teacher）；饱和评分项分解为共享父权重的子评分项，以区分当前回答（Rubric as Critic）。 该方法针对的是基于评分项强化学习中评分项失效的问题，作者称其思路是让每个失效评分项承担能补足其缺失的角色。目前报道未给出实验效果数据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。