MoRI：学习大语言模型中基于动机的科学构思推理

科学构思旨在特定科学背景下提出新颖解决方案。现有基于大语言模型的智能体方法虽模仿人类研究工作流，却未能充分建模科学推理，导致生成的方案缺乏技术深度与科学依据。为此，本文提出 MoRI 框架，使大语言模型显式学习从研究动机到方法论的推理过程。该框架首先通过监督微调初始化模型以生成研究动机，随后利用复合强化学习奖励进行训练：一是熵感知信息增益，鼓励模型挖掘基于真实方法的高复杂度技术细节；二是对比语义增益，约束推理轨迹以保持与科学有效方案的概念一致性。实验表明，MoRI 在新颖性、技术严谨性和可行性等多个维度上显著优于强大的商业大语言模型及复杂智能体基线。