От предпочтений к принципам: рамочное вознаграждение для ответов с обоснованием
В работе предложена система вознаграждений на основе рубрик: для каждого запроса формируются рубрики, увязанные с извлечёнными источниками и разбитые по качественным измерениям, что даёт детальную супервизию при пост‑обучении для вопросов в открытой доменной задаче. В среднем по трём осям оценки (композиция, обоснованность и следование инструкциям) подход показывает улучшения по сравнению с единым скалярным критерием.