标签
论文提出 Rubric Response Theory（RRT），用两参数项目反应模型和通过在线 EM 更新的 Response Parameter Network（RPN）取代加法式评分标准打分。在 Medical 与 Science 基准上，RRT 取得比 GRPO 更高的宏平均评分标准得分，同时将 judge 请求量减半。