UIUC 提出未来对齐评分 FAS，用历史论文训练 LLM 预判研究方向

shangbinfeng · x · 2026-10-25

UIUC 团队（Heng Wang、Jiawei Han、Heng Ji 等）在 EMNLP 2026 Findings 发表论文，提出把「LLM 生成研究提案的质量评估」重构为可验证的时间切片科学预测问题。

核心方法

• 给定截止时间前的研究问题与启发性论文，模型生成结构化提案，用其后真实发表的论文来检验是否预判了未来研究方向
• 提出 Future Alignment Score（FAS）：通过检索 + LLM 语义打分，对照 hold-out 未来语料计算
• 构建含 21,835 次论文出现、3,642 个实例的时间一致数据集，并合成教模型「识别 gap、借鉴灵感」的推理轨迹

结果

• 在 Llama-3.1 与 Qwen2.5 上，future-aligned 微调使整体 FAS 最高提升 +10.6%
• 领域专家人工评估证实提案质量提升
• 团队用 code agent 实际实现了两个模型生成的提案，验证实用价值

原文链接 →

「研究」频道最新

• Sander Dieleman 长文详解 Flow Maps:预测扩散积分,大幅加速采样 — sedielem · 2026-10-25
• 评论：RL 科学闭环太像教科书，缺了牛顿式冒险精神 — generativist · 2026-10-25
• 斯坦福 Finn 团队提出生成式价值分类器 GVC，用动作似然反推 Q 函数 — chelseabfinn · 2026-10-25
• 经济学家复盘：预测 AI 仅增 1pp 被嘲，如今瓶颈论被证实 — Afinetheorem · 2026-10-25
• 多智能体奖励设计细节之争：延迟惩罚与协作奖励才是关键 — rosstaylor90 · 2026-10-25
• 清华 KT-FT 让 CPU 参与 MoE 微调计算，吞吐量最高提升 21.2 倍 — jiqizhixin · 2026-10-25

更多「研究」频道 AI 资讯 →