arXiv · cs.AI· Hao Li, Zhengkun Zhang, Gangqiang Hu, Zhen Zhang, Yude Gao, Dai Dai, Jing Liu·· 5 小时前
RLVR²：基于可验证评分标准排序的强化学习
RLVR$^{2}$: Reinforcement Learning with Verifiable Rubric-based Ranking
arXiv:2609.23457v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hao Li, Zhengkun Zhang, Gangqiang Hu, Zhen Zhang, Yude Gao, Dai Dai, Jing Liu
研究任务与主要进展
Hao Li等人提出RLVR²，将每个评分标准转换为组内序数结果，恢复潜在效用后合并为强化学习训练信号，以避免异质评分标准之间的原始分数尺度校准。基于论文摘要，该方法在三个模型规模和16个基准上持续优于代表性评分标准RLVR基线，并在多数基准上取得最佳总体表现；摘要未提供具体评分标准、基线设置和实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org