HuggingFace Daily Papers·· 4 天前AI 评分39
基于项目反应理论的评分标准奖励：RRT 用 Qwen3.5-4B 超越 GRPO
Rubric Rewards from Item Response Theory
AI 导读
Rubric Response Theory（RRT）用两参数项目反应模型把评分标准的判定模式转化为标量质量证据，替代传统按满足条目累加得分的方式。
来源：HuggingFace Daily Papers · arxiv.org
基于项目反应理论的评分标准奖励：RRT 用 Qwen3.5-4B 超越 GRPO