研究提出面向高能物理的奖励驱动RL任务格式

1. 13:00
   arXiv cs.AI

   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

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。