AdaTutoRank 用自适应辅导优化把集合级评分拆成词元级信用，在十项基准上取得最佳总体成绩并减少检索调用

把评分量表从单一集合级标量扩展为文档、集合、全局三层共九个维度的查询专属标准，并贯穿冷启动监督微调、强化学习奖励与蒸馏提示三个阶段。 此前基于量表的训练（如 RubricRanker）只把量表聚合成一个集合级标量奖励，且维度主要覆盖相关性、冲突与冗余；该工作把量表同时用作银标签、奖励与特权信息，使密度、完整性、互补性等维度在训练各阶段都可被显式优化。 论文给出九维三层量表设计、量表生成流程与权重聚合公式，并在 SetwiseEvalKit 的九个维度上报告逐维得分；短文本场景下总体分 48.97，高于最强基线 RubricRanker 的 46.80。

提出自适应辅导优化：按 rollout 的奖励把提示形式分为量表、自我反思、同源集合三档，并用同源集合门控避免向更差参考学习，再把提示效果蒸馏为词元级优势。 此前的在线策略蒸馏对全部 rollout 使用同一种固定类型的特权信息，无法适配失败原因不同的 rollout；该工作让提示形式随 rollout 质量变化，并把集合级效用转成词元级信用。 消融显示固定单一提示形式均低于自适应分配：仅量表 47.48、仅反思 47.62、仅同源集合 46.88，而自适应为 49.19；仅用结果优势为 45.07，仅用蒸馏优势为 47.79，两者叠加最好。

在十项基准上取得最佳总体表现，且深度研究场景的增益大于 RAG 场景。 相对最强基线 RubricRanker，总体分由 43.84 提升到 45.28；RAG 场景平均由 38.25 提升到 39.05，深度研究场景平均由 50.83 提升到 53.06，并在九项基准中七项第一、两项第二。 论文以 Qwen3-8B 为骨干，在 top-20 候选上返回集合，RAG 用精确匹配、深度研究用 LLM 评审、集合级用 SetwiseEvalKit；作者把深度研究增益更大归因于每轮集合成为下一步子查询的观测，使更好的证据沿轨迹累积。

集合级评测显示增益来自证据本身而非下游生成器，并且智能体在深度研究中使用更少检索调用与更少文档。 集合级评测把证据与消费者分离，短文本场景总体分 48.97 高于 RubricRanker 的 46.80，长文本场景 43.51 高于 41.21；同时 AdaTutoRank 在两个深度研究基准上检索调用最少。 论文明确说明集合级基准使用其自身的标准与评审，独立于训练管线中的量表与奖励评审，因此把该结果定位为诊断性证据；检索调用与每轮文档数由 Figure 5 报告。

该结果面向以集合为预测单位的重排场景：RAG 中重排器对用户问题运行一次，深度研究中它对智能体自发的每个子查询运行一次，输出成为下一步推理的观测。适用前提是能够为查询生成查询专属量表并取得参考答案，因为银标签与奖励都依赖于此；推理时策略只看到查询、元量表指令与候选文档，查询专属量表与提示都不进入推理。对使用者而言，这提供了一条把多维集合质量标准转成训练信号的路径，并附带公开的模型、训练数据与代码链接，便于在同类检索管线上复现与比较。

论文的集合级评测使用其自身的标准与评审，作者明确将其定位为定位答案级增益来源的诊断，而非独立复现，因此证据质量的结论仍需外部评测确认。方法依赖参考答案来生成查询专属量表与银标签，在无参考答案的开放查询上如何获得同等监督，文本未给出答案。附录中的理论分析自述为一阶结果、仅在每次更新的首个内层步骤精确，且提示提升是在快照而非当前策略下度量，属于离线估计。此外，首页证据包为全文解析，图表以文字描述形式出现，具体数值曲线与训练动态细节无法从文本中逐点核对。