RISED：基于 Rubrics 的智能体多环境选择与自蒸馏

RISED 利用预定义 Rubrics 词汇标记各环境中的 rollout，指导在线数据选择与策略监督。该方法通过正负 Rubrics 分别提供特权上下文以进行自蒸馏教师训练，并引导后续生成避开重复失败模式。在多种模型骨干上，RISED 实现了跨环境的最高平均通过率，并在每个独立环境中排名第一或第二。