[3382] QUBRIC：RL Beyond Verifiable Rewardsのためのクエリとルーブリックの共設計

QUBRIC: Co-Designing Queries and Rubrics for RL Beyond Verifiable Rewards

https://export.arxiv.org/api/query·2026/6/2

AI要約

検証可能な報酬を超えた強化学習のための、クエリとルーブリックを共同設計するフレームワーク「QUBRIC」を提案。曖昧なクエリによるルーブリックの質の低下を防ぎ、学習信号を改善。