ReVeR：任务本位 Rubric + 工具增强评审的点式奖励模型

ReVeR 提出点式 rubric 奖励模型：仅依据指令推理出硬规则与分级原则，并用工具增强评审独立打分。两部分均以「标签盲蒸馏」训练，偏好标签只用于过滤教师输出，产出大规模 rubric 推理与评审轨迹数据集 ReVeR-Traces。