Scale研究：Rubric Dropout缓解奖励黑客

发生了什么

据scale.com技术动态报道，Scale研究提出Rubric Dropout方法以缓解基于量表的强化学习中的奖励黑客问题。该方法通过在每一步随机丢弃部分评分标准来计算奖励，防止策略利用固定标准作弊。在Qwen3模型上的测试显示，该方法在不增加额外计算成本的情况下，显著提升了黄金评分（Gold Score），并在多个模型尺寸和领域中保持了更高的质量稳定性。