arXiv 人工智能· Yuxiao Lee, Zherui Yang, Fan Liu, Hao Liu·· 6 小时前AI 评分43
预测奖励而非世界：面向 ML 智能体的世界奖励模型（WRM）
Predict the Reward, Not the World: World Reward Models for ML Agents
AI 导读
世界奖励模型（WRM）让 ML 智能体直接学习判断候选程序优劣，无需预测中间执行结果。基于该方法的 9B 模型 ForeCritic 在 26 个 ML 任务中达到 79.4% 的挑选准确率，显著高于通用 LLM 裁判的 53%--62%。接入 AIDE、ML-Master 和 ForeAgent 后，它将任务平均耗时缩短 4.4--7.5 倍，平均得分保持在 0.01 差异内或更高。
来源：arXiv 人工智能 · arxiv.org