论文提出训练想法级评论家提升验证效率

发生了什么

据arXiv cs.AI报道，一篇论文提出训练想法级评论家（idea-level critics）以提升机器学习进化代理的验证效率。该方法通过监督微调和GRPO训练评论模型，预测ML修改是否能改进当前方案，从而筛选最有希望的候选项。实证显示，在相同的验证预算下，最终解决方案质量得到提升。