NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索
jaseweston · x · 2026-10-15
Jason Weston 与其博士生 Yuling Gu（NYU，合作者 Kyunghyun Cho）发布 SCOOP（Strategy COordination OPtimization），一种提升 LLM 探索能力的新方法：
- 问题：后训练优先准确性、格式与有用性，导致输出分布锐化、生成同质化，模型在自主研究、开放式问题求解等场景被困在解空间的局部区域。
- 方法：推理时的三步迭代循环——①LM Strategist 针对任务提出 K 种多样化探索策略；②LM Solver 并行执行这 K 个生成；③LM Optimizer 根据执行反馈对策略化探索 prompt 做元优化。随迭代累积，会沉淀出可泛化的探索原则。
- 效果：在挑战性推理等任务上优于无策略采样和普通 LLM 策略化方法，作者称对 agentic 任务等 AI 最难前沿有潜在应用价值。
附有博客文章详解。
「研究」频道最新
- DeepPhylo 用深度学习推断系统发育树，摆脱恒定突变率等强假设 — anshulkundaje · 2026-10-15
- Wander 预印本提出图基础模型:随机游走接口统一图预测任务 — mmbronstein · 2026-10-15
- CHI 审稿人观察:AI 垃圾论文泛滥,但好研究依然在出现 — IanArawjo · 2026-10-15
- CMU 基准测试:135 篇 AI 代理科研论文 114 篇未过诚信审查 — arankomatsuzaki · 2026-10-15
- 让 AI 真正从经验中学习:资深从业者给出 8 条不可妥协原则 — tokenbender · 2026-10-15
- Benchling 发布 Science Foundries：智能体蜂群重塑科研工作流 — nlarusstone · 2026-10-15