热点事件持续更新
研究团队提出面向ML智能体的世界奖励模型WRM
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月30日，相关研究团队在arXiv发布论文，提出面向机器学习（ML）智能体的世界奖励模型（WRM）。该方法让智能体直接学习判断候选程序优劣，而无需预测中间执行结果。基于该方法构建的9B模型ForeCritic在26个ML任务中实现了79.4%的挑选准确率，明显超过通用大语言模型裁判53%至62%的水平。将其接入AIDE、ML-Master和ForeAgent后，任务平均耗时缩短了4.4至7.5倍，且平均得分保持在0.01差异以内或取得更高成绩。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
团队提出世界奖励模型WRM，基于该方法的9B模型显著提升程序挑选准确率并大幅缩短任务耗时。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 人工智能预测奖励而非世界：面向 ML 智能体的世界奖励模型（WRM）
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。