V-Rubrics：多维视觉 rubric 的局部信用分配

复现级别：核心机制 mini-suite。 真实执行论文特有的控制流/目标；未把确定性任务成功率当作论文 benchmark 复现。

论文信息

字段	内容
论文链接	arXiv 2608.25580
公司 / 机构	S-Lab，南洋理工大学（第一作者第一署名单位）
首次公开日期	2026-08-26（arXiv v1）
原作者代码	是：项目页
本地 adapter / 方法	v-rubrics
本地复现代码	src/auto_research/post_training/latest_20260827.py

原始论文总结

背景与主要改动

把参考回答拆成视觉忠实度（VF）、推理一致性（RC）和指令遵循（IF）原子 rubric，并把可定位证据的信用分配到前缀，避免终局标量奖励掩盖局部幻觉。

flowchart LR
  I[任务与当前状态] --> M[visual faithfulness / reasoning consistency / instruction following]
  M --> O[策略动作或训练目标]
  O --> E[可审计指标与反馈]
  E --> M

原论文关键图

原论文 Figure 2（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ R=0.45R_{VF}+0.35R_{RC}+0.20R_{IF},\qquad A_i=R_i-\bar R. \]

论文离线与线上效果

相对 answer-only GRPO，总体平均再提升 1.79 points；视觉推理平均相对 SFT 提升 4.00 points。无工业线上 A/B。

本地复现

本地对照口径：arithmetic-smoke 100 steps，accuracy 0.1250 → 0.2188（+75.00%）；只验证多维、prefix-localized candidate credit。

指标见 metrics/v-rubrics-arithmetic-smoke-seed42.json。 批次索引见 ../../experiments/latest-20260827-seed42.json。

auto-research post-train --algorithm v-rubrics --dataset arithmetic-smoke --steps 100 --seed 42 --offline

复现边界

本地 mini-suite 用公开、确定性的候选/计划任务隔离机制差异；论文 checkpoint、私有训练数据、外部服务和完整 benchmark 均未声称已复刻。