研究：集合强化学习训练推理模型生成多样科学创意

发生了什么

据arXiv cs.CL论文，研究者提出通过集合强化学习目标训练LLM，以生成高质量且多样化的科学创意。实验显示，训练的8B模型在创意效用上优于Claude Opus 4.8和GPT-6 Astra，且在人类专家评估中表现相当。