DR Tulu：进化式评分 RL 训出首个全开源深度研究模型，胜过 OpenAI DR
AkariAsai · x · 2026-09-05
作者介绍两项开源研究进展：
- DR Tulu（ICML oral）：提出 RLER（Reinforcement Learning with Evolving Rubrics），训练中构建并持续维护随策略模型共同进化的评分准则，把搜索新信息和对比模型回答纳入 rubric，从而支持长篇、可核查的深度研究任务。基于此训练的 DR Tulu-8B 是首个直接面向开放式长篇深度研究的全开源模型：在科学、医疗、通用领域四个基准上，平均超过通义 DR 15.6%，并略胜 OpenAI DR 0.7%。
- AgentIR：将亮相下月 COLM 的另一项工作。
论文作者包括 Luke Zettlemoyer、Hannaneh Hajishirzi、Pang Wei Koh 等多位 UW/AI2 研究者。
「研究」频道最新
- arXiv 论文为 StopGrad 正名：无损失函数也能收敛到正确解 — srush_nlp · 2026-10-23
- PEARL 演示：LLM 机器人自主核对实验结果、修正方案并复测 — KevinKaichuang · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- 数学博士生宣布离开学术界：AI 正让数学变得面目全非 — pickover · 2026-10-23
- ICLR 投稿现 LLM 残留自评：作者模型自曝结果不显著 — _onionesque · 2026-10-23
- AKV 推理系统让 Agent 自管 KV 缓存,成本降 27.7% 准确率反升 — _akhaliq · 2026-10-23