RISED：用于智能体多环境选择与自蒸馏的评估规则框架

研究人员提出 RISED 框架，利用跨环境共享的评估规则（rubrics）同时引导智能体在线数据选择与策略监督，解决多环境强化学习仅依赖标量奖励的局限。该方法通过 LLM 裁判标记 rollout 特征以优化数据选择，并结合正面规则实现 token 级自蒸馏监督、利用负面规则规避重复失败。实验显示，RISED 在不同模型骨干上均取得最高的跨环境平均通过率。