训练想法级评论器提升ML智能体验证效率

Jiamu Bai等提出想法级评论模型，预测某个机器学习修改方案是否会优于当前方案，让AI4ML进化智能体据此筛选想法，把有限的实证验证预算集中在最有潜力的候选上。 模型训练分两步：先用Gemini-3.1-Pro合成的高质量评论做监督微调，再用GRPO进一步提升预测准确性。 据摘要（基于论文摘要），评论模型在静态想法评估上优于Gemini-3.1-Pro，且收益扩展到智能体推理、持续学习和策略训练：推理时进化中在相同验证预算下提升最终方案质量，持续学习带来进一步增益；策略训练中可充当学习到的奖励模型，仅对不确定情形保留实证验证，从而在相同验证资源下完成明显更多次策略更新。

AI 根据报道生成 · 10 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。