NeurIPS 2026｜小红书 × 复旦大学用 DR-Rubric 为开放式强化学习构建评分标准

小红书与复旦大学提出 DR-Rubric，通过深度研究生成可检查评分细则作为 GRPO 奖励，已被 NeurIPS 2026 接收且代码公开。 每轮仅用 1000 条 RL 数据，GPT-5 版在 ResearchQA 达 73.7、DeepResearchBench 达 43.0，自举版在 MMLU-Pro 达 78.0。