arXiv · ML· Guangcheng Zhu, Yingfan Ma, Xing Zheng, Haobo Wang, Shenzhi Yang, Kai Tang, Zhengqing Zang, Bowen Song, Weiqiang Wang, Gang Chen·· 2026-10-14AI 评分28
CoCA:面向评分标准强化学习的准则感知信用分配方法
CoCA: Criterion-Aware Credit Assignment for Rubric-Based Reinforcement Learning
AI 导读
summary_zh: 研究团队提出 CoCA 方法,解决传统评分标准强化学习中结构化监督未被充分利用的问题。 该方法将评分标准信息重构为信用分配的提示,基于准则引发的分布变化在 token 层面分配信用。
来源:arXiv · ML · arxiv.org