Xiaomi（小米）

From Refuse to Richness: Rubric Rewards for Long-Form Hallucination Reinforcement Learning

从拒答到丰富：用于长文本幻觉强化学习的评分规则奖励

Yudong Wang, Zhe Yang, Wenhan Ma, Rang Li, Qibin Yang, Weimin Xiong, Jiangshan Duo, Liang Zhao, Zhifang Sui

机构 * Peking University（北京大学） ； Xiaomi（小米） 纠错

AI总结 该研究针对长文本幻觉强化学习的「拒答-丰富度」权衡，提出用关键要点评分规则定义奖励，发现软组合依据、评分规则覆盖率与相关性的奖励能实现最佳平衡，提升了依据性与分布外迁移能力。