CoCA：准则感知信用分配方法

2026年10月15日，arXiv Artificial Intelligence 报道，Guangcheng Zhu 等作者提出 CoCA（准则感知信用分配方法）。该工作针对评分标准强化学习（rubric-based reinforcement learning）中，将标准级反馈压缩为标量奖励、并对 token 统一分配优势的问题。CoCA 的做法是把评分标准作为信用分配的相关性线索：从组内相对结果推导标准级信用，并依据标准引起的分布偏移将其分配到各 token，从而同时获得基于结果的与细粒度的学习信号。在医学与科学基准上，报道称 CoCA 相较标准评分标准强化学习平均提升 4.2%。目前该事件仅有这一篇报道，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。