[논문리뷰] OPD Before RL: Warm-Starting Rubric-Based RL with On-Policy Distillation본 논문은 복잡한 도메인에서 루브릭 기반 강화학습 시 발생하는 피드백 희소성(feedback sparsity)과 보상 해킹(reward hacking) 문제를 해결하기 위해 RP-OPD + Rubric-RL 프레임워크를 제안합니다.#Review#Reinforcement Learning#On-policy Distillation#Rubric-based Evaluation#Warm-starting#Language Models#Reward Hacking#Model Plasticity2026년 10월 6일댓글 수 로딩 중