从偏好到原则：基于评分标准的知识答案对齐方法

针对开放域问答中难以用单一标量衡量高质量回答的挑战，Apple ML Research 团队引入了一种基于评分表（rubric）的奖励框架。该研究旨在通过细粒度监督解决多质量维度难以捕捉的问题。新方法在微调阶段生成了基于检索证据且分解为多个质量维度的特定查询评分表，从而提供精确的监督信号。实验结果显示，该方法在组成、grounding 和指令遵循三个关键评估轴上均实现了平均改进，有效提升了模型生成回答的质量与对齐度。