研究者提出用高能物理任务训练自改进智能体的RL基准

Alexander Yue、Qibin Liu、Julia Gonski 等研究者在 arXiv 发布论文，提出以高能物理（HEP）任务为基础的开放式强化学习环境，奖励连续且可自动评估，用于让智能体 AI 在前沿模型仍难以完整解决的科学任务上自我改进。 团队对多个前沿推理模型在若干 HEP 任务上进行了基准测试，并给出概念验证：一个小语言模型借助自动化反馈通过 RL 得到提升，全程无需人工干预。

AI 根据报道生成 · 32 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。