Представлен AI Night-Scientist: нейросеть учат выдвигать более разнообразные научные идеи

Большие языковые модели хорошо справляются со структурированными задачами, результат которых можно проверить. Но, как отмечают авторы статьи, их склонность к низкой энтропии (предсказуемым ответам) даёт однородные и ожидаемые результаты, а это ограничивает пользу моделей для открытой научной постановки идей.\n\nАвторы исходят из того, что настоящее открытие охватывает широкий творческий спектр: от структурированной «дневной науки» до слабо структурированной, случайной «ночной науки», которая приводит к идеям за пределами обычно рассматриваемых. Для этого они представили AI Night-Scientist, агентную систему (фреймворк), где обучение с подкреплением учит модель понимать, когда и как отходить от предсказуемых рассуждений.\n\nТворчество моделируется по трём осям, опирающимся на когнитивную науку: действие (что делать и насколько творчески), процесс (когда исследовать новое, а когда использовать уже известное) и результат (новизна и полезность получившейся идеи). По этим осям модели обучают методом GRPO: в ходе обучения они сталкиваются с разной степенью и разными формами творчества.\n\nРезультаты, о которых сообщают авторы: научные предложения стали заметно разнообразнее, диапазон направлений исследований расширился на 27,8%, а диапазон типов вклада на 14,9% по сравнению с базовой моделью. Прогнозируемое цитирование выросло до 32,0 процентного пункта («до», то есть речь о максимуме), а оригинальность, на 66,2 пункта.\n\nЭти выигрыши нельзя повторить простым повышением температуры декодирования. Авторы обнаружили, что решающую роль играет семантическая подсказка, которая указывает, какого именно творчества добиваться. Вывод авторов осторожный: результаты позволяют предположить, что творчество, обучаемая многоуровневая способность, которую можно направить так, чтобы помочь исследователям выходить к идеям за рамками тех, что обычно предлагают языковые модели.

Ключевые факты

AI Night-Scientist, агентная система, где обучение с подкреплением (GRPO) учит модель, когда и как отходить от предсказуемых рассуждений.
Творчество моделируется по трём осям: действие, процесс (исследовать или использовать известное) и результат (новизна и полезность идеи).
Разнообразие предложений выросло: направлений исследований больше на 27,8%, типов вклада, на 14,9% относительно базовой модели.
Прогнозируемое цитирование выросло до 32,0 процентного пункта, оригинальность, на 66,2 пункта.
Простое повышение температуры декодирования такого эффекта не даёт; важна семантическая подсказка о желаемом виде творчества.

Почему это важно

Языковые модели склонны выдавать однородные и предсказуемые ответы, а для научной постановки идей нужны неожиданные направления. Работа пытается решить это не настройкой случайности, а обучением: по словам авторов, креативность, обучаемая многоуровневая способность. Если вывод подтвердится, это даст путь к нейросетям, которые предлагают идеи за пределами привычных для моделей.

Кому это важно

Исследователям, которые разрабатывают ИИ-помощников для науки и агентные системы генерации гипотез, а также тем, кто занимается обучением с подкреплением для открытых задач. Учёным-практикам работа интересна как ориентир: авторы говорят о помощи исследователям в выходе к идеям за рамками типичных для моделей.

Как это применить

Прямого инструмента для использования из описания не видно: о выпуске кода или моделей в источнике не сказано. Практический вывод для разработчиков, идея разложить творчество на оси (действие, процесс, результат) и использовать их при обучении GRPO, а также давать модели семантическое указание, какого рода творчества добиваться, вместо простого повышения температуры.

Можно ли доверять

Это краткое описание статьи, и все цифры, заявления самих авторов. В описании не названы авторы и организации, не назвали базовую модель, не объяснено, как измеряются «прогнозируемое цитирование» и «оригинальность» и что за шкала у «пунктов» оригинальности. Прирост цитирования дан как «до 32,0 процентного пункта», разбивки по условиям нет. Оценки людьми-исследователями и реальные открытия не упоминаются. Сами авторы формулируют вывод осторожно: результаты «позволяют предположить».

Риски и подводные камни

Показатели опираются на прогноз цитирования и оценку оригинальности, а не на реальные научные результаты, поэтому нельзя считать, что выросшие показатели равны более полезным идеям. Значение «до 32,0 п.п.», верхняя граница, а не типичный выигрыш. Размеры моделей, данные, вычислительные затраты и стоимость обучения не приведены, поэтому оценить воспроизводимость и практичность подхода по описанию нельзя.