提出了RubricEM框架,一种基于评分标准引导的强化学习方法,结合阶段性策略分解与反思元策略训练,用于解决长篇深度研究智能体在无标准答案和长程信用分配下的训练难题,在多个长文本研究基准上取得了接近专有系统的强劲性能。
机构:UIUC
来源:arXiv 2605.10899 | AI4Papers 论文推荐平台