Писатель-Р1: Динамическая добыча ручного сырья в целях повышения эффективности обучения открытому писанию

arXiv:2603.15061v2 Тип уведомления: заменить резюме: учебные модели для открытого письма требуют различных сигналов и достаточно точных спецификаций качества ответов. Разработка таких спецификаций в масштабах предполагает восстановление требований к выполнению задач, консолидацию критериев дублирования и определение наблюдаемых различий между показателями эффективности работы. Мы введем в действие систему " Писатель-R1 &qt; , тренировочную сеть, построенную вокруг индуктивного поколения Rubric (IRG), которая включает эти операции в автоматизированный процесс построения рубрик. В рамках трубопровода расширяется открытый набор письменных документов и используются соответствующие оперативные специальные рубрики в ходе контролируемой подготовки кадров и повышения квалификации (РЛ). Каждая рубрика конкретизируется с запросом пользователя, а также определяет критерии вознаграждения, обеспечивая доступ авторам к требованиям для оценки до появления поколения. Компактная модель RubricGen-4B учится поставлять рубрики для новых запросов. Писатель-R1 повышает баллы на 0,182 и 0,15