RISED：智能体多环境选择与自蒸馏的评分标准框架

RISED通过LLM judge基于跨环境共享的rubric词汇表标注rollout，指导在线数据选择与策略监督。正样本rubric为on-policy自蒸馏教师提供token级监督，负样本rubric引导rollout避开重复失败模式。该方法在多个模型骨干上取得跨环境最高平均pass率，且每个单独环境均排名第一或第二。