TIGER：学习研究者偏好生成定制研究想法

论文提出 TIGER 方法，从单个研究者的品味偏好中学习，为其生成定制化研究想法。作者 Shane Gu、Yufeng Lin、Dixi Yao、Xuchen Gong、Chenhao Tan 在 arXiv 发布该方法及偏好对齐评测，称对应的 TIGER-8B 模型在与 GPT-4.1 的成对比较中更受研究者青睐。 评测中每位评审各做 76 次比较，三位 LLM 研究者有 56.6%–68.4% 的次数选择 TIGER-8B 生成的想法；其中 PhD1 在 30 对中选 19 对（63.3%），PhD2 选 17 对（56.7%）。这些数字来自评审的主观选择，反映的是想法与各评审个人品味的匹配程度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。