标签
DeepInstructor是一个智能代理框架，它通过同行评审构建经验图来评估研究创意，证明在与人类判断的一致性方面优于基线方法。
本文探讨了通过比较成对想法来训练语言模型预测研究想法实证成功的方法。利用来自PapersWithCode的11,488个想法对数据集，作者表明微调（SFT）将准确率提升至77.1%，超越了GPT-5，而使用可验证奖励的强化学习达到了71.35%的准确率，并具有可解释的推理过程。