SciDisco：可扩展的科学发现智能体训练框架——让AI在可验证环境中自主做科研
新框架SciDisco将假设、数据集、隐藏证据图与验证器编译为过程可验证环境，以回合级强化学习训练科学发现智能体，14B模型已达领域最优。
-
-
Distilled RL：融合教师知识的新型大语言模型后训练框架
Distilled RL：将教师知识直接融入RL梯度的大语言模型后训练新框架，跨家族蒸馏中性能显著超越传统RL和OPD方法。
新框架SciDisco将假设、数据集、隐藏证据图与验证器编译为过程可验证环境，以回合级强化学习训练科学发现智能体，14B模型已达领域最优。
Distilled RL：将教师知识直接融入RL梯度的大语言模型后训练新框架，跨家族蒸馏中性能显著超越传统RL和OPD方法。