论文训练想法级评审模型，提升 ML 进化智能体验证效率
原文标题：Verify Less, Evolve More: Training Idea-Level Critics for Verification-Efficient ML Evolving Agents
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。
论文针对 AI4ML 中经验验证成本高昂的问题，训练专门的想法级评审模型（idea-level critic），预测某个 ML 修改是否能改进当前方案，从而筛选想法、把验证资源集中在最有希望的候选上。评审模型经 Gemini-3.1-Pro 合成高质量评论做监督微调，再用 GRPO 提升预测准确率，在静态想法评估上超过 Gemini-3.1-Pro。在智能体推理、持续学习与策略训练中，该模型在相同验证预算下提升最终方案质量，并可充当学习型奖励模型。
- 问题
- AI4ML 中经验验证需训练评估、成本高，前沿模型直接做想法筛选收益有限。
- 方法
- 训练想法级评审模型预测 ML 修改能否改进当前方案，用 Gemini-3.1-Pro 合成评论做 SFT 再用 GRPO 提升准确率。
- 结果
- 静态想法评估上超过 Gemini-3.1-Pro，相同验证预算下提升最终方案质量。
- 影响
- 把昂贵验证资源集中到高潜力候选，可显著加速自进化智能体的迭代循环。
深读 · 结论先行AI 生成展开看要点与影响 ↓
训练想法级评审模型筛选 ML 修改，静态评估超过 Gemini-3.1-Pro
- •针对 AI4ML 中经验验证需昂贵训练与评估、限制智能体进化速度的问题
- •用 Gemini-3.1-Pro 合成高质量评论做监督微调，再用 GRPO 提升预测准确率
- •静态想法评估上超过 Gemini-3.1-Pro，收益延伸到智能体推理、持续学习与策略训练
- •推理时进化中，相同验证预算下提升最终方案质量；策略训练中充当学习型奖励模型，把经验验证留给不确定案例
为什么重要：验证效率是自进化智能体的瓶颈，把「选想法」从通用前沿模型剥离成专用小模型，是提升单位算力产出的直接路径。
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。