omarsar0· @omarsar0 · X·· 3 小时前AI 评分
Salesforce 团队训练 8B 推理模型生成多样研究想法，创意效用得分超 Claude Opus 4.8 和 GPT-6 Astra
Salesforce 及合作者训练一个 8B 推理模型，一次生成多条研究想法，以缓解 AI 科研流水线难以提出新颖多样想法的问题。其奖励对整组想法打分，按每条想法与此前想法的距离加权质量，促使模型让新想法远离已有想法。
Salesforce 及其合作者在小语言模型上的应用非常出色。
众所周知，AI 科学家类的流水线在提出新颖且多样的研究想法方面往往表现不佳。
该团队训练了一个 8B 的推理模型，使其能够从一组源论文中一次性生成多个研究想法。
奖励机制对整个想法集合进行评分，根据每个想法与此前已生成想法的差异程度来加权其质量。模型由此学会让每个新想法都与之前的想法保持距离。
在他们无污染的基准测试中，该 8B 模型在“创造性效用”（一种综合质量与多样性的衡量指标）上的得分高于 Claude Opus 4.8 和 GPT-6 Astra。
arxiv.org/abs/2610.22324
Chat with Paper: academy.dair.ai/papers/train…
来源：omarsar0 · x.com