想法级评审模型训练方法

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。