Meta 论文用 RPM 模型筛选 AI 实验思路，节省 40% 算力
rohanpaul_ai · x · 2026-08-18
Meta FAIR 提出研究偏好模型 (RPM)，旨在解决 AI 研究生成实验思路快但算力昂贵的问题。AIRA-dojo 每步生成 15 个候选修改，RPM 结合代码与历史结果进行打分，仅送最优者进入全流程。实验显示，RPM 将 AIRS-Bench 任务的平均归一化得分从随机选择 0.684 提升至 0.711 (推理版) 和 0.729 (智能体版)，并在约 15 小时内达到基线 24 小时的水平。
所属事件:Meta FAIR 提出 RPM：执行前筛选实验思路省 40% 算力(5 条相关)→
「编程与Agent」频道最新
- 设计反馈工具 Inflight 发布:让 Claude 直接消化原型反馈 — soleio · 2026-10-16
- Apple 代码签名耗时数小时,官方建议:等一周 — pjausovec · 2026-10-16
- 4B 模型加 8K 上下文堆算力反而更差，Hermes 提出上下文推理新思路 — mangahomanga · 2026-10-16
- Flux 3 Klein 默认模板有坑:必须接 prompt upscaler 才能出好图 — StrictMove5839 · 2026-10-16
- 21 人团队 AI 写 97% 代码,每周数百 PR,16% 自动合并 — rseroter · 2026-10-16
- ClosedMCP:一次配置 MCP,跨平台团队共享的 Serverless 方案 — Ok_Sprinkles1301 · 2026-10-16