跳到正文
arXiv · AI· Jiamu Bai, Lizhu Zhang, Xin Yu, Yanhong Wu, Zellux Wang, Serena Li, Weiwei Li, Zhuokai Zhao, Lingzhou Xue, Kiwan Maeng, Xiangjun Fan, Bo Peng·· 2026-10-08AI 评分20

通过训练想法级批评模型,实现验证高效的机器学习演化智能体

Verify Less, Evolve More: Training Idea-Level Critics for Verification-Efficient ML Evolving Agents

AI 导读

训练的想法级批评模型在静态想法评估中优于 Gemini-3.1-Pro,并通过 GRPO 增强预测准确性。 该模型使用 Gemini-3.1-Pro 进行监督微调,在智能体推理、持续学习和策略训练中均提升最终解的质量,允许在相同验证预算下进行更多的策略更新。

来源:arXiv · AI · arxiv.org