DEEPRUBRIC：基于证据树准则监督的高效深度研究智能体强化学习

深度研究智能体通过检索证据并进行推理来生成长篇报告。基于准则的强化学习虽能提升性能，但其效率依赖于准则是否准确反映任务范围与信息需求。针对现有方法因模型推断不足导致准则不完整的问题，本文提出 DeepRubric 框架。该框架逆向构建过程，先确定评估目标，再递归扩展生成证据树，以此合成对齐的查询 - 准则对。利用该方法构建的 9000 个样本训练出的 DeepRubric-8B 模型，在三个基准测试中达到最先进水平，且强化学习 GPU 耗时减少约 13 倍。