精确策略优化：基因组工具选择的全组策略优化
原文标题：Why Sample What You Can Enumerate? Exact Policy Optimization for Genomic Tool Selection
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出在工具子集可枚举的专业科学场景中，GRPO 从少量采样估计动作期望存在结构性错配，训练越成功奖励信号越稀疏，基因组推理中无奖励信号问题比例从 0.2% 升至 20.8%。作者提出 FGPO，对全部工具子集打分并预计算奖励表，在 5 个冻结推理器与 3 个基因组基准的 15 种设置中平均提升 6.75 分，最高 14.20 分，同时将每题调用工具数从 2.36 降至 1.40。
- 问题
- 专业科学场景中工具子集可枚举，GRPO从少量采样估计动作期望导致奖励信号随训练变稀疏。
- 方法
- FGPO对全部工具子集打分优化精确期望，并预计算奖励表，把冻结推理器调用移出训练循环。
- 结果
- 5个冻结推理器、3个基因组基准共15种设置全部优于GRPO，平均提升6.75分，最高14.20分；每题调用工具数从2.36降至1.40。
- 影响
- 做工具调用RL训练的团队可换成全组枚举方案，省算力且避免奖励塌缩。
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。