Skip to content
简体中文

切换主题

arXiv 2609.38847 · cs.LG · 2026-09-30

Scoring Higher, Answering Worse: Mitigating Reward Hacking in Rubric-Based RL via Protocol-Level Rubrics

Maoqi Liu, Junwei He, Bowen Zhang, Feiran Li, Wentao Ma, Rongyi Lin, Shuhan Zhong, Quan Fang

ByteDance

在最新榜 #160 本站收录于 2026-10-21

一句话要点

指出基于评分细则的 RL 用加权求和会被“刷分”(以临床问诊为例),并提出协议级细则加以缓解。

Shows weighted-sum rubric rewards can be hacked (e.g. in clinical consultation) and proposes protocol-level rubrics to fix it.

68HF 点赞
22GitHub stars
0引用(Semantic Scholar)
55.2热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)