📋 한 줄 요약
**[Reward Modeling / Rubric]** RUBRIC-ARROW가 pairwise preference만으로 rubric generator·rubric-conditioned judge를 alternating 학습 — probability scoring + phase-specific reward + alternating GRPO로 tie 감소·non-verifiable 도메인 reward 정확도·downstream policy 향상.
🎯 핵심 기여도
- Pointwise reward modeling이 LLM post-training에 critical signal을 제공하지만 subjective·non-verifiable 환경의 absolute scoring에 struggle함을 진단.
- Rubric 기반 방법이 평가를 explicit criteria로 decompose해 이를 해결하지만 기존 접근이 frontier LLM에 의존하고 hard Boolean aggregation으로 인한 tie를 겪음.
- RUBRIC-ARROW 제안 — alternating framework로 rubric generator와 rubric-conditioned judge를 jointly 학습, RL stage가 pairwise preference data만 사용.
- 본 방법은 tie를 줄이는 probability-based scoring rule + phase-specific preference-based reward + pointwise evaluator를 함께 학습하는 alternating GRPO 결합.
💡 핵심 아이디어
Non-verifiable 도메인 reward modeling에서 rubric 기반 평가의 hard Boolean aggregation tie 문제는 probability-based scoring과 phase-specific reward로 완화 가능하며, pairwise preference만으로 rubric generator·judge를 alternating GRPO로 jointly 학습하면 frontier LLM 의존 없이도 SOTA 수준 reward signal 확보 가능.
🔬 기술적 접근법
- **방법론**: RUBRIC-ARROW — alternating rubric generator + rubric-conditioned judge.
- **핵심 기법**: (1) Rubric generator와 rubric-conditioned judge의 joint alternating 학습, (2) RL stage가 pairwise preference data만 사용, (3) Probability-based scoring rule로 hard Boolean aggregation의 tie 감소, (4) Phase-specific preference-based reward로 단계별 학습 안정화, (5) Alternating GRPO scheme으로 pointwise evaluator 학습.
📊 주요 결과
- Reward-modeling accuracy가 경쟁 수준 달성.
- Downstream policy post-training에서 일관 gain.
- Pointwise scoring의 tie 비율 감소.
- Pairwise preference data만으로 frontier LLM 의존 없이 학습.
💭 의의 및 한계
**의의**: Non-verifiable 도메인 reward modeling의 실용 framework 제공, rubric의 hard Boolean aggregation 한계 정식 해결, frontier LLM 의존 없이 경쟁력 있는 pointwise reward 학습. **한계**: Rubric generator 품질이 전체 성능 좌우, alternating 학습의 hyperparameter·수렴 안정성, pairwise preference data 확보 비용.
🚀 실용적 활용
- Subjective·non-verifiable 도메인 LLM post-training.
- Open-ended writing·creative·assistant 응답 reward modeling.
- Rubric 기반 평가의 자동화.