世界模型引导评分标准编辑搜索，ASAP2.0 上准确率提升明显。
资讯摘要
论文提出 RubricWorld 框架，用世界模型预测评分标准编辑在分数边界上的纠错率与降级率，从而指导搜索。训练信号来自同一批答案在编辑前后的配对评分结果，预测用于筛选候选编辑，并以留出置信界判断是否满足纠错与新增错误限制；被拒绝的编辑也会更新模型。作者报告在 EIR (National)、ASAP2.0 和 ASAP-SAS 三个数据集、三种冻结 LLM 评分器上，27 项指标比较中 20 项取得最高分；ASAP2.0 上 gpt-5-mini 准确率从原始标准的 18.20% 升至 46.70%，比最强基线 APO 高 22.60 个百分点。代码将在论文接收后发布。
要点速读
- RubricWorld 用世界模型预测编辑在分数边界上的纠错率和降级率，以指导评分标准优化搜索。
- 训练信号来自同一批答案在编辑前后的配对评分结果，被拒绝的编辑也会用于更新模型。
- 作者报告在三个数据集、三种冻结 LLM 评分器上，27 项指标比较中 20 项最高；ASAP2.0 上 gpt-5-mini 准确率由 18.20% 升至 46.70%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。