arXiv · cs.AI· Sasi Kiran Gaddipati·· 7 天前AI 评分37
CollabSciReM：通过科学感知奖励分解对齐大语言模型以进行科研对话
CollabSciReM: Aligning Language Models for Scientific Conversations via Science-Aware Reward Decomposition
来源与原文
arXiv · cs.AI
作者：Sasi Kiran Gaddipati
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.27901v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 CollabSciReM，一个将会话级奖励分解为对话质量、科学严谨性和结构效率的目标条件奖励框架，用于对齐科研协作场景中的 LLM。配套的 SciQuality 基于约 300 篇留出论文、从六个维度评估多轮科研对话。在 8.62K 条合成科研对话上微调后，CollabSciReM 在四个 Llama 和 Qwen 模型上均优于通用奖励基线，等长下胜率 65.3%；专家盲评显示其幻觉回复更少、新颖性评分更高。
来源：arXiv · cs.AI · arxiv.org