CARE-RL：用于缓解跨域冲突的能力感知强化学习

可验证奖励的强化学习在推理导向大语言模型中进展显著，但扩展至多领域时面临非可验证任务奖励不可靠及跨域能力干扰的挑战。本文提出 CARE-RL，结合协议感知奖励生成与能力感知优化以缓解跨域冲突。针对非可验证任务，协议感知生成奖励模型构建提示级评估协议，实现开放回答的任务自适应评估；针对多领域优化，方向感知能力子空间投影提取历史能力方向，通过放大对齐分量、抑制冲突分量来调节更新。实验表明该方法在数学、对话等基准上优于现有基线。