English(EN) Do Your Own Research: Learning to Forecast by Learning to Search

AI通过搜索和收集证据来学习预测事件

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-03 04:00

研究人员开发了一种新颖的方法，通过整合学习搜索机制来训练AI模型进行事件预测。该方法允许AI代理通过网络搜索和数据分析主动收集证据，然后再做出预测，证据收集的技能由奖励信号塑造。基于Qwen3.5-35B-A3B训练的模型，在复杂问题的预测准确性上优于Claude Opus 4.5等前沿模型，并且推理成本更低，同时展示了改进的校准和减少的搜索尝试。研究人员正在发布环境、数据集和工具，以促进未来时间预测代理的研究。 AI

影响这项研究展示了一种通过教会模型主动寻求和评估信息来提高AI预测能力的新颖方法，有可能增强其在复杂决策场景中的可靠性。

排序理由该集群包含一篇详细介绍AI模型训练新方法的论文，包括数据集和环境发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍AI模型训练新方法的论文，包括数据集和环境发布。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yusuf Afifi, Artur Kiulian, Anton Polishko, Mykola Khandoga, Hamudi Naanaa, Alina Krasnobrizha · 2026-10-03 04:00

自行研究：通过学习搜索来学习预测

arXiv:2610.01955v1 Announce Type: new Abstract: Outcome-based reinforcement learning can train language models to forecast real-world events, but prior forecasting work either freezes research context before training or deploys agentic research only at test time, so the skill of …

本文如何被排名

报道来源 [1]

自行研究：通过学习搜索来学习预测

相关实体

相关话题