OpenMOSS：RLCF社区反馈强化学习训练AI科学家

这份研究介绍了 OpenMOSS 团队开发的 RLCF（社区反馈强化学习） 训练范式，旨在提升人工智能的“科学品味”。研究者利用 700,000 对基于引用量匹配的论文数据，训练出具备模拟科学共同体判断能力的模型。其中，Scientific Judge 模型能够精准评估研究想法的潜在影响力，其表现超越了 GPT-5.2 等主流商业大模型。此外，以该评价模型作为奖励机制，团队进一步开发了 Scientific Thinker，使其能够自主提出更具学术价值和原创性的科研课题。实验结果证明，科学品味并非人类独有的神秘特质，而是一种可以被 AI 学习并规模化的目标函数。这一进展为实现具备人类专家级判断力的“AI 科学家”迈出了关键一步。