arXiv · AI· Sumeet Ramesh Motwani, Tejas Krishnan, Alistair Letcher, Charles London, Suhaas Bhat, Huitian Jiao, Philip Torr, Riashat Islam, Christopher Summerfield, Jakob Foerster, Christian Schroeder de Witt, Qilong Gu, Shital Shah·· 8 小时前AI 评分32
Rubric Curriculum RL：利用不可验证领域的生成-验证差距
Rubric Curriculum RL: Exploiting the Generation-Verification Gap in Non-Verifiable Domains
AI 导读
RcRL 无需新数据、人工标注或更强教师模型，利用生成-验证差距解决开放式领域 RLVR 难题。 结合 rollout 成对偏好与 rubric 标准课程学习，保持输出熵并在 1000 步后持续提升。 在创意写作中取得 70.5% 人类胜率；在 HealthBench 上较基线模型提升 14.6%（全集）和 25.4%（共识子集）。
来源：arXiv · AI · arxiv.org