Meta FAIR推出实验排序模型RPM，节省GPU时间

AI 研究智能体已经能够自主提出、实现并评估自己的机器学习实验。创意生成很廉价；验证则不然。训练一个候选实验可能耗费数小时甚至数天的 GPU 时间，因此智能体会提出远多于其能够执行的候选方案。真正决定研究进展的杜杆，是该跑哪些候选方案。

FAIR 团队来自 Meta、剑桥大学和伦敦大学学院，他们将这一杜杆形式化为"研究偏好"，并引入了 AI 研究偏好模型（Research Preference Models，RPMs）。RPM 能对未执行的候选方案进行排序，选出一个来执行。团队发现，语言模型在预测指标或执行结果方面并不可靠，因此 RPM 从不预测绝对分数。

是否可以部署？部分可部署。RPM 使用冻结的预训练 LLM，无需微调；脚手架 AIRA-dojo 和基准测试 AIRS-Bench 均已开源；骨干模型 Qwen3.6-27B 为开源权重。

RPM 在智能体循环中的位置

AIRA-dojo 是一种进化树搜索：贪心父节点选择、"草案 / 改进 / 调试"三种算子，最终返回验证分数最高的节点。RPM 仅在子节点创建时介入。不再是生成一个子节点并执行，而是让智能体并行应用算子 15 次，产出 15 个未执行的候选方案，然后在淘汰赛中两两比较。只有胜者被执行。每次比较都基于从搜索树的 BFS 遍历中收集的上下文节点，每个节点都附带其获得的验证分数。

两种变体，两种算力预算

仅推理 RPM：用 LLM 作为裁判，评判候选方案的计划、代码和搜索历史。其 prompt 通过 DSPy 的 MIPROv2 优化，最终收敛到一份"首席研究员评分标准"——容忍可修复的 bug、奖励可扩展性、惩罚冗余方向，离线准确率为 57.7% 至 59.0%。

智能体 RPM：同样的裁判加一个沙箱，沙箱会克隆智能体的环境，包括一块 H200。工具包括 python、bash 和 submit_solution。它先运行小规模 pilot 实验，然后一个反馈模型要么提出信息量最大的下一个实验，要么结束循环。两个设计选择举足轻重：剩余预算被故意高报（报告为 2700 秒，实际只有 300 秒），以防止智能体提前停止；pilot 上限为 30 个，且有 60 秒的阈值。pilot 时间与智能体自身时钟竞争，因此智能体选择器只在 Draft 和 Improve 步骤运行；Debug 步骤回退为随机选择。

AIRS-Bench 上的结果

设置：20 个公开的文本和表格任务，每个任务在单块 H200 上运行 24 小时，10 个随机种子，Qwen3.6-27B 作为算子和 RPM 的骨干模型——因此收益来自选择层，而非更强的裁判。

子节点选择方式	平均归一化分数
无 RPM（随机选择）	0.684
仅推理 RPM	0.711
智能体 RPM	0.729
验证先验（上限）	0.748
测试先验（上限）	0.759

相对于无 RPM 的提升概率为 0.5923 和 0.5913，95% 置信区间下界分别为 0.5066 和 0.5018。

效率是更具实际意义的结果。仅推理 RPM 在 14.88 小时达到基线的最终分数 0.684（加速 1.61 倍），智能体 RPM 在 15.50 小时达到（加速 1.55 倍）。自托管推理每次运行增加 0.660 小时；考虑这一开销后，仍能在 23.34 小时达到 0.708。

两个新的报告 SOTA 结果：WinoGrande 在智能体 RPM 下达到 94.1%，此前 AIRA₂ 的智能体 SOTA 为 90.4%；SVAMP 在仅推理 RPM 下达到 95.7%，此前人类 SOTA 为 94.2%。

---

RPM 对未执行的候选方案进行排序，使 AI 研究智能体只运行最有前景的那个。

两种冻结 LLM 变体：仅推理裁判，以及运行短时 pilot 实验的智能体裁判。

在 AIRS-Bench 上，平均归一化分数从 0.684 提升至 0.711 和 0.729。

两种变体均在大约 15 小时内达到基线 24 小时的分数，加速 1.5–1.6 倍。

在 WinoGrande（94.1%）和 SVAMP（95.7%）上报告了新的 SOTA。

查看论文和 LinkedIn 公告。也欢迎关注我们的 Twitter，记得加入我们的 15 万+ ML SubReddit 并订阅我们的通讯。等一下！你用 telegram 吗？现在也可以加入我们了。

需要与我们合作推广你的 GitHub 仓库或 Hugging Face 页面或产品发布或网络研讨会等？请联系我们

Asif Razzaq 是 Marktechpost Media Inc. 的 CEO。作为一位有远见的企业家和工程师，Asif 致力于将人工智能的潜力用于社会公益。他最新的举措是推出了一个人工智能媒体平台 Marktechpost，其特色在于对机器学习和深度学习新闻的深入报道，既具技术深度又通俗易懂。该平台每月浏览量超过 200 万次，深受读者喜爱。