Meta 新论文：把实验当树节点，用研究偏好模型教会 agent「科研品味」
_lewtun · x · 2026-09-04
Hugging Face 研究者 Lewis Tunstall 点评 Meta 本周的 Research Preference Models（RPM）论文，认为它回应了自动化 R&D 的核心难题：如何让 agent 拥有「研究品味」。现有证据显示 agent 常困在局部最优——如 Nano-GPT speed-run 的 scaling 实验中，agent 把大部分算力花在调超参而非探索新想法；PostTrainBench 也显示多数模型只做算法调优、不去做高质量数据策展。RPM 论文的做法：把每个实验视为树上的一个节点，按下游评测分数打分，通过变异生成候选实验，再用 RPM（基于 LLM）评估哪些实验值得继续推进。
「漫话AGI」频道最新
- 安全研究者：ASI 存亡风险或先于 AI 大规模经济冲击到来 — davidmanheim · 2026-10-21
- Bombadil：用 400 万小时信号训练的植物电生理基础模型 — vboykis · 2026-10-21
- LLM 进化快于机器人:水电工等体力活或比白领工作更难被替代 — venturetwins · 2026-10-21
- 如果 AI 在集体主义文化中开发,会对齐成什么样? — mimi10v3 · 2026-10-21
- 研究者热议具身智能分层：需更可控的 S0 控制器与真正闭环的 S2 — chris_j_paxton · 2026-10-21
- Vibe coding 时代：学编程上移一层，拼的是系统与管线 — MoonL88537 · 2026-10-21