RRI：对抗元提示演化实现递归奖励改进
原文标题：Recursive Reward Improvement via Adversarial Meta-Prompt Evolution
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 RRI（递归奖励改进）方法，在提议者-求解者自改进循环中引入奖励黑客对抗者来监督奖励生成。对抗者先写出钻评分标准空子的无用答案，再由同一模型在不看标准的情况下写出诚实答案，通过最多两步修复让诚实答案胜出，从而修正评分标准。在 HealthBench Professional 上，9B 和 27B 模型分别比仅生成基线提升 10.9 和 12.4 分，且无需外部模型也能提升 10.3 分，在 PRBench Hard 和 ProfBench 上也有跨任务泛化提升。
- 问题
- 开放式专家任务没有标准答案，模型自写评分标准易被求解者钻空子，奖励被黑客化。
- 方法
- 在提议者-求解者循环中加入奖励黑客对抗者：先写钻空子的无用答案，再让同模型不看标准写诚实答案，用最多两步修复让诚实答案胜出。
- 结果
- HealthBench Professional 上 9B 和 27B 模型分别比仅生成基线提升 10.9 和 12.4 分，无外部模型也提升 10.3 分，PRBench Hard 与 ProfBench 有跨任务泛化。
- 影响
- 让无答案键的临床报告等开放任务也能做自改进 RL，评分标准自动抗钻空子，减少人工写 rubric。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RRI用奖励黑客对抗者监督评分标准，9B/27B模型提升10.9和12.4分。
- •在提议者-求解者自改进循环中引入奖励黑客对抗者监督奖励生成
- •对抗者先写钻评分标准空子的无用答案，同一模型不看标准写诚实答案
- •最多两步修复让诚实答案胜出，从而修正评分标准
- •HealthBench Professional上9B和27B分别比仅生成基线提升10.9和12.4分
- •无需外部模型也能提升10.3分，在PRBench Hard和ProfBench上有跨任务泛化
为什么重要：针对开放式专家任务无答案键的痛点，提供不依赖外部模型的奖励修正路径，影响临床报告等无标准答案领域的自改进训练。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。