Rohan Paul

新亚马逊论文显示，大语言模型可以充当「研究世界模型」，在真正烧掉 GPU 时间之前，先预测某项训练改动是否有帮助。 AI 研究代理提出实验的速度，远快于团队实际跑得起的速度。选哪些实验占用 GPU，本质上就是提前猜结果。 他们用 LLM 当研究世界模型，在实验开跑前预测收益。在 9 套设置、从预训练到推理共 2653 条真实实验记录上做了测试。 同一设置下的历史记录，把与真实结果的平均排序相关从 0.506 提到 0.774（跨 5 套设置）。在 OLMo3-100M 设置上，低推理强度但加上记录时得分 0.892；不加记录、拉满推理强度则只有 0.648。 如果你在跑研究代理：把每一次实验（包括失败）都记下来，再喂给负责挑选下一轮实验的模型。