论文页面 - 通过夜科学强化智能体在科学构思中的创造力

来源：https://huggingface.co/papers/2609.35706

摘要

大型语言模型（LLM）在结构化、可验证的任务上表现出色，但其低熵偏差可能导致同质化和可预测的输出，从而限制了它们在开放式科学构思中的效用。然而，有效的发现涵盖了更广泛的创造性光谱：从结构化的日科学，到松散结构化、偶然的夜科学——后者能触及超越常规考虑范畴的创意。我们引入了 AI 夜科学家（AI Night-Scientist），这是一个智能体框架，利用强化学习教会模型何时以及如何偏离可预测的推理。基于认知科学，我们沿着三个轴建模创造力：行动（做什么以及如何创造性地做）、过程（何时探索与利用）以及结果（所产生想法的新颖性和实用性）。我们使用这些轴通过 GRPO 训练模型，在训练过程中让它们接触不同程度和形式的创造力。这显著生成了更多样化的科学提案，使研究方向范围扩展了 27.8%，贡献类型扩展了 14.9%（相比基础模型）。它还将预测的引用影响力提高了最多 32.0 个百分点，原创性提高了 66.2 个百分点。这些收益无法通过简单提高解码温度来重现；相反，我们发现指定追求何种创造力的语义引导至关重要。总体而言，我们的结果表明，创造力是一种可学习的、多层次的能力，可以被塑造以帮助研究者获得超越 LLM 通常探索范围的想法。

查看 arXiv 页面 (https://arxiv.org/abs/2609.35706) 查看 PDF (https://arxiv.org/pdf/2609.35706) 项目页面 (https://pkargupta.github.io/night_scientist.html) GitHub2 (https://github.com/microsoft/ai_night_scientist) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.35706)

在你的智能体中获取此论文：

hf papers read 2609.35706

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.35706 以从此页面链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.35706 以从此页面链接它。

引用此论文的空间0

没有空间链接此论文

在空间的 README.md 中引用 arxiv.org/abs/2609.35706 以从此页面链接它。

包含此论文的收藏夹0

没有收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection) 以从此页面链接它。