多环境强化学习训练通用智能体时，常见做法是按环境粒度分配训练数据，或依赖局部奖励信号，但这两者都没有显式考虑当前批次中不同环境的 rollout 之间的关系。此外，不同环境的学习速度不同，同一批次里可能同时出现全失败和全成功的 rollout 组，这些组内部的奖励完全一致，导致无法用标量奖励做组内对比。单一标量奖励在跨环境关系和组内对比两方面的信息缺失，是 RISED 要解决的核心问题。

RISED 的思路是引入一套跨环境共享的评分标准（rubric），用 LLM judge 给每个 rollout 打上标签，描述其行为特征。这些标签构成了行为画像，用于在线数据选择：优先选取与混合环境批次整体行为构成一致的 rollout，同时控制与已选数据的重叠度。正向 rubric 描述期望行为，可以为 on-policy 自蒸馏教师提供额外的 token 级监督；负向 rubric 描述不期望行为，用于引导后续 rollout 生成时绕开反复出现的失败模式。

实验结果显示，在不同模型骨干下，RISED 在多个环境上的平均通过率均达到最高，并且在每个单独环境中的排名不是第一就是第二。基于 rubric 的分析还能解释成绩提升伴随的行为变化，让训练过程的可解释性更强。该方法由新加坡国立大学和 Apple 的研究者共同提出，涉及作者包括 Jingtan Wang、Sirajul Salekin、Young mok Jung、Javier Movellan、Bryan Kian Hsiang Low、Manjot Bilkhu。

RISED 的贡献集中在两点：一是把 rubric 从单纯的奖励信号扩展为数据选择与策略监督的共同指导；二是通过跨环境共享的 rubric 词汇，让多环境训练的数据利用更高效。原文没有给出具体的通过率数值，也没有讨论该方法的适用边界，因此这里不做更多推断。