arXiv cs.AI· Alexander Yue, Qibin Liu, Julia Gonski·· 1 天前AI 评分34
用强化学习让智能体 AI 自我改进：面向对撞机物理的奖励驱动挑战
Reward-Driven Collider Physics Challenges for Self-Improving Agentic AI via Reinforcement Learning
AI 导读
研究提出一种开放式优化任务格式，用连续、自动评估的奖励把高能物理难题转化为强化学习环境，而非仅考察任务完成度的传统基准。作者在多项高能物理任务上评测了前沿推理模型，并给出初步验证：一个小语言模型无需人工干预，仅靠自动反馈的强化学习即可获得提升。目标是把智能体 AI 从复现既有工作流推进到自主发现更优科学解法。
正文 · AI 翻译
摘要：智能体 AI 的最新进展已展现出实现复杂高能物理（HEP）工作流自动化的潜力。我们聚焦于前沿模型仍难以给出正确且完整解决方案的 HEP 任务场景，并引入一种开放式优化任务格式，其奖励连续且可自动评估。与专注于任务完成的传统基准不同，这些任务面向强化学习（RL）环境，旨在针对最前沿的 HEP 挑战生成智能体层面的改进。我们在若干 HEP 任务上对前沿推理模型进行了基准测试，并展示了一个初步的概念验证：一个小型语言模型借助自动反馈、无需人工干预即可通过 RL 获得提升。通过将具有挑战性的 HEP 问题与可验证的科学奖励及 RL 相连接，我们旨在推动智能体 AI 从复现既有工作流迈向自主发现更优的科学解决方案，为通向自我改进的科学智能体铺平道路。
| 学科： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.15885 [cs.AI] |
| （或 arXiv:2611.15885v1 [cs.AI] 为本版本） | |
| https://doi.org/10.48550/arXiv.2611.15885 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Qibin Liu [查看邮箱]
[v1]
2026年11月11日 星期三 19:00:41 UTC（562 KB）
来源：arXiv cs.AI · arxiv.org