Meta FAIR发布AI研究偏好模型：优化机器学习实验选择

Meta FAIR的研究团队与牛津大学和伦敦大学学院合作，提出了一种新的AI研究偏好模型（RPM），用于在执行之前对未完成的机器学习候选方案进行排序。该模型通过使用预训练的语言模型来评估实验计划、代码及搜索历史，从而决定哪些实验值得投入GPU时间运行。AIRA-dojo是一个进化树搜索框架，在生成子节点时引入了RPM干预机制；而Agentic RPM则是在模拟环境中进行小规模试点实验，并根据反馈选择最有信息量的下一步实验。在候选方案生成阶段，RPM采用预训练的语言模型作为裁判，评估计划、代码和搜索历史，通过优化后的MIPROv2提示词来提高准确性。此外，Agentic RPM还包括一个沙盒环境，用于运行小规模试点实验，并根据反馈选择最有信息量的下一步实验。这种框架在AIRS-Bench上的测试中表现出良好的性能，展示了其在实际研究中的应用潜力。