RISED：用于智能体多环境数据选择与自我蒸馏的评判标准框架

研究提出多环境 LLM 智能体训练框架 RISED，利用跨环境共享的评判标准（rubrics）指导在线数据选择与策略监督。该方法通过 LLM judge 标注行为，由正向标准为 on-policy 自我蒸馏提供 token 级特权监督，负向标准规避复发失败。实验中 RISED 跨多个骨干模型取得最高跨环境平均通过率，在各独立环境中均位列前两名。