小红书联合复旦大学提出 DR-Rubric：用 agent 生成评分细则作 RL 奖励

小红书联合复旦大学提出 DR-Rubric，用 agent 生成评分细则并作为 RL 奖励，据称已被 NeurIPS 2026 接收。在 Qwen3-8B-SFT 初始化下仅用 1000 条 RL 实例，GPT-5 rubric 变体在 ResearchQA 得 73.7 分、DeepResearchBench 得 43.0 分，分别超最佳基线 3.8 和 3.2 分。