研究：新框架用可控强化学习平衡科研选题的新颖性、可行性与有效性
论文提出两阶段方法，先用监督微调学习论文与后续选题的对应模式，再用多维奖励模型和句级解码器在生成过程中动态调节三个质量维度。
AI解读：大模型自动生成研究选题时往往只靠提示词技巧，产出的想法在专家看来的三个关键维度——新颖性、可行性和有效性——上容易失衡，而且这三个维度本身相互牵制，很难同时满足。这篇论文提出一个两阶段框架：先用监督微调让模型学习论文与后续选题的搭配模式，再用可控强化学习，通过多维奖励模型对生成过程做维度级评估，推理时由句级解码器协调的各维度控制器动态调节思路。对于做AI辅助科研工具的研究者，价值在于它提供了一条把质量从“碰运气”变成可控制、可优化的技术路径；不过论文只报告了实验中的高质量结果，没有在摘要中给出与基线方法的具体对比数据，也没有说明模型在真实科研场景中的适用边界。
arXiv上的一项研究提出首个结合监督微调与可控强化学习的科研选题生成框架，目标是让大模型产出的研究想法在专家看重的三个维度——新颖性、可行性和有效性——上更均衡。论文由Ruochen Li、Liqiang Jing、Chi Han、Jiawei Zhou、Xinya Du撰写，标注为EMNLP 2026投稿，最新版本于2026年9月2日更新。