热点事件持续更新
MIRA-AC 训练后策略行为对比数据更新
2 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月14日，AGI Hunt 连续报道 MIRA-AC 自动科研智能体的后续研究。MIRA-AC 用代理反馈训练自动科研策略，其关键结论是按「哪个研究方向值得投入下一单位算力」的长期后果分配信用。在 LLM 评审、400 组配对轨迹对的实验中，训练后的策略行为明显变化：能区分不同假设的测试占比从 16.8% 升至 28.0%；对停滞想法反复做微小幅度的比例从 33.5% 降至 18.8%。报道称，学到的策略更多去调查尚未解决的不确定性，而非在死胡同里空转。两篇报道所引数据一致，未出现矛盾表述。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 02:44
实验显示假设区分测试占比升至 28.0%，停滞想法的无效微调占比降至 18.8%。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI HuntMIRA-AC 自动科研智能体实测：假设区分测试占比从 16.8% 升至 28%
MIRA-AC 用代理反馈训练自动科研策略，在 LLM 评审、400 组配对轨迹的实验中，区分假设的测试占比从 16.8% 升至 28.0%。对停滞想法反复做小修小补的占比从 33.5% 降至 18.8%，策略更倾向于调查尚未解决的不确定性，而非原地打转。其关键结论是按「哪个研究方向值得投入下一单位算力」的长期后果分配信用。
- AGI HuntMIRA-AC 策略行为对比：区分性假设测试 16.8%→28%，无效微调近半减
MIRA-AC 后续研究显示，训练后的策略在 400 组匹配轨迹对的 LLM 评审中行为明显变化，能区分不同假设的测试从 16.8% 升至 28.0%。对停滞想法反复做微小小改的比例从 33.5% 降至 18.8%。学到的策略更多去调查未解决的不确定性，而非在死胡同里空转。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 04:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。