arXiv · ML· Pawan Prakash, Philipp H\"ollmer, Addis Fuhr, Peter Hirschfeld, P. Ganesh, Stefano Martiniani, Richard Hennig·· 2026-10-06AI 评分30
基于晶体生成器离散组合通道的强化学习:验证增益与奖励漏洞
Reinforcement Learning on the Discrete Composition Channel of a Crystal Generator: Validated Gains and Reward Hacking
AI 导读
采用组相对策略优化(GRPO)结合随机插值和离散流匹配对齐晶体生成模型,将亚稳态独特新颖结构(mSUN)良率从预训练的13.4%提升至45.5%。 该方法直接作用于原子类型转移似然,同时暴露出基准中单元素结构被误计入新化合物的指标漏洞,并指出需通过显式防护防止奖励利用。 研究建议社区基准应按参考相数量拆分结果,以确保稳定性声明的严谨性。
来源:arXiv · ML · arxiv.org