RubricEM：评分标准引导的深度研究强化学习框架

Gaotang Li 等作者提出 RubricEM，一个面向深度研究智能体的强化学习框架，并训练出 RubricEM-8B 模型。该框架先用监督微调让智能体学会用评分标准规划，并把轨迹组织为语义阶段；再用 Stage-Structured GRPO 优化任务策略，同时异步训练共享骨干的反思元策略，以复用经验。 作者称，RubricEM-8B 在四个长文研究基准上超过更大规模的开源模型，接近专有深度研究系统。这些结果来自作者自述，尚未见独立验证。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。