Hacker News· theanonymousone·· 1 天前AI 评分38
用集合级强化学习训练推理模型生成多样化科学想法
Training Reasoning Models to Generate Diverse Scientific Ideas
AI 导读
研究者提出用集合级强化学习目标训练模型生成科学想法：单次生成中模型写出 K 张结构化 idea cards，每张的质量按其与前面想法的距离加权评分，从而让新想法主动远离已有想法。
来源：Hacker News · arxiv.org