Today for AI
返回热点榜
llm热度 5.7°

AI 聚簇研判事件 · 2026/10/6

RISED：用 Rubric 引导多环境智能体自蒸馏

RISED: Rubrics for Agentic Multi-Env Self-Distillation

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/6 00:00:00
全景综述与最新动态
1 家信源交叉印证

新研究提出 RISED 框架，利用 LLM 生成的结构化评分标准（Rubrics）替代单一标量奖励，解决多环境强化学习中数据选择与组内对比缺失的问题。该方法通过文本反馈指导在线数据筛选与策略监督，在多个交互环境中实现了最高的平均通过率。

最新动向/新研究提出 RISED 框架，利用 LLM 生成的结构化评分标准（Rubrics）替代单一标量奖励，解决多环境强化学习中数据选择与组内对比缺失的问题。该方法通过文本反馈指导在线数据筛选与策略监督，在多个交互环境中实现了最高的平均通过率。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Apple Machine Learning ResearchT1·68 分

    RISED：用 Rubric 引导多环境智能体自蒸馏

    原文标题：RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation

    • 针对多环境 RL 中标量奖励信息不足及全对/全错批次缺乏组内对比信号的痛点，引入基于 Rubric 的文本反馈。
    • RISED 不仅将 Rubric 用作奖励，还将其用于指导在线数据选择（Prompt-group selection）和策略监督。
    • 实验显示，相比基线方法，RISED 在多个环境中的平均通过率最高，且能行为化地解释性能提升原因。