摘要由 AI 生成
Meta FAIR、牛津大学及伦敦大学学院团队于 2026 年 9 月 6 日联合推出 AI Research Preference Models（RPMs），旨在解决语言模型难以预测指标或执行结果的问题。该模型基于冻结的预训练大语言模型 Qwen3.6-27B，无需微调即可部署，结合开源框架 AIRA-dojo 和基准测试 AIRS-Bench 运行。RPMs 采用淘汰赛机制，对未执行的候选实验进行并行生成与两两比较，仅执行胜者，从而避免盲目消耗 GPU 资源。在 AIRS-Bench 上的实验显示，相比随机选择，推理型 RPM 的平均归一化得分从 0.684 提升至 0.711，代理型 RPM 进一步提升至 0.729，显著优化了机器学习研究进程的效率与资源利用率。
关键实体KEY ENTITIES
AIRA-dojoAIRS-BenchFAIRMetaQwen3.6-27BUniversity College LondonUniversity of Oxford
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- Meta1
- FAIR1
- University of Oxford1
- University College London1
- Qwen3.6-27B1
- AIRA-dojo1
- AIRS-Bench1
全部报道（1）SOURCES
↗
Meta FAIR、牛津大学及伦敦大学学院团队正式推出 AI Research Preference Models（RPMs），旨在通过排名未执行候选实验来优化机器学习研究进程。该团队发现语言模型难以预测指标或执行结果，因此引入 RPM 仅对未执行候选进行排序并选择最优者执行，避免盲目消耗 GPU 资源。RPM 基于冻结的预训练大语言模型（Qwen3.6-27B），无需微调，结合开源框架 AIRA-dojo 和基准测试 AIRS-Bench 部署。系统采用淘汰赛机制，并行生成 15 个候选并进行两两比较，仅执行胜者。实验在 AIRS-Bench 上显示，相比随机选择（0.684），推理型 RPM 平均归一化得分提升至 0.711，代理型 RPM 进一步提升至 0.729；两者均将基准线 24 小时成绩压缩至约…