Research World Models：用历史实验记录预测哪些研究想法值得跑
yuyinzhou_cs · x · 2026-11-11
研究团队发布 Research World Models（RWM）：研究智能体提出的实验想法远多于 GPU 预算，RWM 让 LLM 读取研究环境、具体代码改动和历史实验记录，在花费算力前预测每个改动能带来多大收益，只跑预测最有价值的实验，跑完的结果又成为新记录。
关键结果（基于 2,653 条真实实验记录、9 个研究环境、171,862 H100 GPU 小时）：
- 13/13 个模型在上下文加入 320 条历史记录后，全部超过无记录时的最佳模型
- 迁移：仅用 OLMo3/Nanochat/Marin 的记录（零 Qwen3 记录），预测 Qwen3-153M 实验的选择遗憾降低 78%
- 决策：24 轮多轮自主研究中，从历史记录起步的搜索最终最优收益提升 15.8%
模型权重不变，经验完全通过上下文注入——把研究者的「品味」变成可复用、可迁移的显式知识。论文与网站已公开。
所属事件:研究提出 Research World Models：让 LLM 预判实验值不值得跑(2 条相关)→
「编程与Agent」频道最新
- 梗图：任务只需 5 行代码时你的 subagent 都在干些什么 — neal_lathia · 2026-11-11
- Visa 实测 22 个 AI 模型 15 项购物任务,失败率约 43% — Thick_Mulberry_2235 · 2026-11-11
- Sentry 推出 MCP 与 CLI 统一方案：不是二选一，而是都要 — zeeg · 2026-11-11
- 斯坦福开设 CS329Z 智能体工程课，Diyi Yang 主讲覆盖主动式 Agent — stanfordnlp · 2026-11-11
- 独立开发者自省:共享额度耗尽,整站 AI agent 集体停摆 8 小时 — wolfdogKC · 2026-11-11
- 斯坦福 CS329Z 作业公开：用 Harbor 框架造 terminal-bench 式 agent 评测任务 — Diyi_Yang · 2026-11-11