arXiv · cs.AI· Yoon Pyo Lee, Samrendra Roy, Souvik Chakraborty, Syed Bahauddin Alam·· 6 小时前
生成模型通过科学反馈发现训练规范之外的高产搜索区域
Scientific feedback reveals productive regimes beyond training conventions
arXiv:2512.15756v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yoon Pyo Lee, Samrendra Roy, Souvik Chakraborty, Syed Bahauddin Alam
研究任务与主要进展
基于论文摘要，研究团队展示科学性能反馈如何将生成模型的搜索偏好重定向到训练数据规范之外的高产区域，并在反应堆晶格设计与化学反应条件选择中验证了适应带来的性能改善。反应实验中，训练数据排除的任务相关配体选择概率由0.29升至0.70—0.71，同时预期产率误差下降；晶格设计对照实验表明，适应过程中识别的高产区域可被随机搜索复用。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org