Salesforce 用集合级 RL 训练推理模型批量生成多样化科研点子
Salesforce · hf · 2026-10-20
Salesforce 团队发布研究：用集合级（set-level）强化学习目标训练语言模型，一次性生成多样、高质量、有文献依据的科研想法。
与既往「优化单个点子向 gold idea 对齐」的做法不同，该方法在单次推理中产出 K 个点子，并在推理过程中显式引导模型避开已生成方向、寻找尚未解决的问题，使输出「天生多样化」。据作者称，其创造性实用价值超过了更大的闭源专有模型。
「研究」频道最新
- Mirror 视频规划器现涌现行为：熔岩湖逃逸率从46%升至76% — vincesitzmann · 2026-10-20
- 单卡一小时训练降尺度模型，把法国气温预报从 28km 提到 5.5km — yb2698 · 2026-10-20
- 新论文提出进度感知蒸馏，缓解小模型智能体推理停滞 — Yuanpu Cao · 2026-10-20
- HERA：让 Agent 框架与环境共同进化，学会何时弃答 — UW · 2026-10-20
- HouseholdBench:LLM 预测家庭经济行为,最佳模型降误差 12.2% 仍不敌 GBDT — daveholtz · 2026-10-20
- Mirror 作者预言「arm-farm 复兴」:视频模型让机器人学习经验变得可行 — vincesitzmann · 2026-10-20