字节 ProRubric：加权求和聚合让 RL 模型得分更高、答得更差

北邮与字节团队发现 Rubric-based RL 的 reward hacking 弱点：加权求和聚合让判分项互相补偿，模型能用无人需要的建议换分，在临床咨询任务上分数更高但回答更差。把医学判据按「必须同时成立」分组，判据一字不改即可挽回约三分之一损失。ProRubric 据此将清单分组为少量协议级维度，恰当性提升 10.8 分，在两个规模上取得七基准最佳平均分，代码已开源。