摘要
本文针对当前 AI 科学家研究多关注执行能力而忽视“科学品味”（即判断和提出高影响力研究想法的能力）的问题，提出了基于社区反馈的强化学习（RLCF）范式。该方法将科学品味学习建模为偏好建模与对齐问题：首先利用 70 万对高低引用论文训练
AI 推荐理由
论文提出基于社区反馈的强化学习范式，实现 AI 科学家自我改进与偏好对齐，属核心进化研究。
研究机构
复旦大学
中央民族大学
论文信息