I modelli di preferenza per la ricerca AI prevedono esperimenti che valgono la pena

Un nuovo articolo su arXiv (2608.13940) introduce i modelli di preferenza per la ricerca AI (RPM) per affrontare l'alto costo della valutazione degli esperimenti di machine learning. Gli agenti di ricerca AI possono proporre molte soluzioni candidate, ma valutarle richiede costoso tempo GPU. Gli RPM prevedono quali candidati vale la pena eseguire senza eseguirli tutti, utilizzando modelli linguistici pre-addestrati congelati senza addestramento specifico per il compito. Vengono proposte due forme: un modello solo inferenza che ragiona su piani, codice e soluzioni precedenti, e un modello agentico che esegue piccoli esperimenti pilota. Questo potrebbe migliorare significativamente l'efficienza nella ricerca AI.