link: https://x.com/omarsar0/status/2111579013072433395 category: x-tips source: X 账号 omarsar0 author: Jay date: 2026-10-18 repo: https://github.com/ManyaWadhwa/diverge_ideation title: "Salesforce 8B 模型用集束强化学习生成多样化科研ideas，超越 Claude Opus 4.8 和 GPT-6 Astra"
这是什么
论文：Training Reasoning Models to Generate Diverse Scientific Ideas 作者：Manya Wadhwa 等，Salesforce AI Research 及合作单位（DAIR AI Lab） 正式出处：arXiv:2610.22324（cs.CL，2026年10月15日提交） 代码仓库：github.com/ManyaWadhwa/diverge_ideation
一句话描述：该团队训练了一个 8B 参数的推理模型，在单次生成中可输出多张结构化"idea card"（科研想法卡片），用集束级强化学习（set-level RL）同时优化想法的质量和多样性——每个想法的得分由其自身质量乘以它与先前已生成想法的距离加权得出，迫使模型主动拉开不同想法之间的差异。
核验来源
| 信息点 | 原文依据 |
|---|---|
| 模型规模 8B | arXiv 摘要原文："our trained 8B model achieves higher creative utility..." |
| 比较基准 Claude Opus 4.8 / GPT-6 Astra | arXiv 摘要原文："achieves higher creative utility... than Claude Opus 4.8 and GPT-6 Astra" |
| 强化学习信号设计（距离加权） | arXiv 摘要原文："each idea's quality is weighted by its distance from the ideas written before it" |
| 一次生成 K 张卡片 | arXiv 摘要原文："in a single generation, the model writes K structured idea cards grounded in the source papers" |
| 专家人工评估 | 摘要原文："In a pilot human study with four experts, our sets are judged as promising as Claude Opus 4.8's" |
| 代码/数据即将发布 | GitHub README："Code, data and models coming soon!" |
注：GPT-6 Astra 的模型名以 arXiv 摘要为准。原帖将其呼为 GPT-6 Astra，与摘要一致。推文还提及"Chat with Paper"链接（academy.dair.ai），为同一论文的讨论页，不构成独立证据来源。
上手指南
核心思路
传统 AI-scientist 管线用 LLM 辅助科研人员提出新想法，但往往陷入质量高而想法同质化的问题。该论文的解法是：
- 输入：一组源论文（document-grounded）
- 输出：K 张结构化 idea card，每张基于源论文、有独立创新点
- 训练目标：集束级 RL——不单独评价每张卡，而是对整组打分，奖励既要看单卡质量，也要看卡间多样性
多样性奖励的核心逻辑是：新想法与其余已有想法的距离越远，整组得分越高。模型因此学会"主动避让"。
实验设置
- 模型：8B 推理模型（具体基座未在摘要中披露）
- 基准：Claude Opus 4.8 和 GPT-6 Astra
- 评测：contamination-free benchmark，指标为 creative utility（质量 × 多样性的组合指标）
- 结论：8B 模型在 creative utility 上超过 Claude Opus 4.8 和 GPT-6 Astra
- 人工评估：4 名专家的小规模试点，评价该模型产出的想法组与 Claude Opus 4.8 一样有前景，且包含略多独特想法
- 代码智能验证：coding agent 对这些想法做概念验证实验，该模型的 success@k 与 Claude Opus 4.8 相当——即多样性提升并不牺牲可执行性
获取方式
- 论文全文：https://arxiv.org/abs/2610.22324
- GitHub 仓库：https://github.com/ManyaWadhwa/diverge_ideation（README 显示 code、data 和 models 即将发布）
- 论文讨论/Chat with Paper：https://academy.dair.ai/papers/training-reasoning-models-to-generate-diverse-scientific-ideas
适用边界
适用场景 - 科研 Idea 生成流程的自动化 - 需要同时保证想法质量与差异化的研究管线 - 对多样性有明确需求的创意辅助任务
不适用 / 存疑处 - 代码和权重尚未公开（"coming soon"），实操需等待仓库更新 - 人工评估仅 4 名专家，样本极小，结论的统计稳健性待验证 - 评测基准为"contamination-free"自定义 benchmark，与其他公开基准的可比性未知 - 8B 基座具体型号未披露；同等参数规模下超越超大杯模型的原因尚需阅读全文分析
原始链接
https://x.com/omarsar0/status/2111579013072433395
附注：模型名"GPT-6 Astra"以 arXiv 摘要为准；代码/权重尚未发布，实操价值有待仓库公开后验证。若需进一步分析训练细节（如 RL 算法、基座模型），建议等待论文正文或 GitHub 说明文档释出。