TIGER 用个人偏好反馈生成更贴合评审口味的研究想法。
资讯摘要
论文提出 TIGER，一种从研究者个人偏好反馈中学习、生成定制化研究想法的模型。作者报告在每名评审 76 组两两比较中，三位 LLM 评审在 56.6%–68.4% 的对比里选择与其对应的 TIGER-8B 策略生成的想法，而非 GPT-4.1 的想法；PhD1 与 PhD2 分别在 30 组中选中 19 组（63.3%）和 17 组（56.7%）。六组定向跨策略比较也均偏向评审自身匹配的 TIGER-8B 策略。
要点速读
- 论文提出 TIGER，利用研究者个人偏好反馈生成定制化研究想法。
- 三位 LLM 评审在 56.6%–68.4% 的两两比较中选择对应 TIGER-8B 想法而非 GPT-4.1 想法。
- 六组定向跨策略比较均偏向评审自身匹配的 TIGER-8B 策略。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。