Apple 提出基于评分标准的对齐框架，用于开放域知识问答

Apple 提出基于评分标准（rubric）的奖励框架，针对开放域问答生成以检索证据为依据、按多个质量维度拆分的查询专属评分标准，在后期训练中提供细粒度监督。该方法在 composition、grounding 和 instruction-following 三个评测维度上的平均表现优于基线。