NeurIPS 2026｜小红书与复旦大学提出 DR-Rubric：为开放式强化学习构建评分标准

小红书与复旦大学等机构提出 DR-Rubric 框架，通过智能体多轮检索生成细粒度原子约束，为开放式强化学习提供 GRPO 奖励信号。在基于 Qwen3-8B 等模型的实验中，每轮仅使用 1000 条 RL 数据，便在 ResearchQA、GPQA 和 MMLU 等 6 个基准上取得优于基线的表现。目前该论文已被 NeurIPS 2026 接收，代码已公开并已在小红书业务中落地。