Rubric‑based 强化学习为大语言模型（LLM）在开放式生成任务上的对齐提供了可解释、细粒度的监督。然而，静态评估标准容易饱和，或超出策略的探索范围，导致奖励信号辨别力不足。现有方法虽尝试引导采样或演化评估标准，却未显式考虑评估难度应随策略能力变化，从而出现优化目标与当前能力前沿不匹配的情况。\
本文提出 CoCA（Co‑Evolving Policy and Rubric via Capability Awareness），一个闭环框架，通过对每一准则进行诊断，实现评估标准与策略的同步演化。CoCA 首先比较仅查询（query‑only）和基于评估标准的 rollout，量化每个准则相对于当前策略的难度；随后对难度不匹配的准则进行重新校准，并利用指导揭示的能力缺口进行前沿学习。基于诊断结果，CoCA 可通过引导式优化扩展评估条件的前沿，或通过 on‑policy 自蒸馏将已获得的提升迁移至查询行为。随着策略更新，诊断精度提升，蒸馏更为可靠，形成完整的协同进化循环。\
在多个基准和不同规模 LLM 上的实验表明，CoCA 相比传统 rubric‑based RL 方法始终取得更高的性能。更重要的是，CoCA 能将指导中显现的能力内化到仅查询的行为中，同时抑制能力退化。\
点评