小红书与复旦大学提出 DR-Rubric，用深度研究为开放式强化学习生成评分细则

小红书与复旦大学等机构提出 DR-Rubric，让模型先围绕任务做深度研究收集外部事实与约束，再把结果转成逐条可检查的评分细则，作为强化学习的奖励信号，该工作已被 NeurIPS 2026 接收。实验在六个基准上每轮仅用 1000 条 RL 数据，智能体研究与专家推理任务取得有竞争力的表现。研究还尝试让模型自举生成下一轮细则，观察到性能非单调变化，过度迭代时内部奖励上升而真实任务表现崩溃。