摘要
针对开放任务中静态评分标准导致奖励饱和的问题，本文提出 EvoRubrics 框架。该方法通过策略模型与评分生成器的对抗性协同进化，使评估标准随策略提升而动态调整，确保持续提供有效学习信号并自动生成课程。实验表明，该方法在多个基准上优于现有基线，且无需外部监督的自监督变体也能取得显著增益，证明了生成与评估协同进化的有效性。
AI 推荐理由
论文提出对抗协同进化框架，核心在于策略与评估标准的共同自我进化。
研究机构
1
3
2
4
论文信息