InternReviewer & InternAdvocate: ricompensa e valutazione oggettive per l’apprendimento per rinforzo agentico nella revisione tra pari e nelle repliche

Abstract degli autori

Produrre contenuti accademici di livello professionale, come revisioni tra pari e repliche, richiede una complessa sinergia tra ragionamento specialistico e fondamento fattuale. Questo lavoro presenta un quadro completo per lo sviluppo e la valutazione di agenti accademici specializzati, InternReviewer e InternAdvocate. Per prima cosa, creiamo un dataset accademico di alta qualità e su larga scala e integriamo uno strumento ad alta efficienza per la ricerca su arXiv, così da consentire la raccolta attiva di riscontri. Per ottimizzare questi agenti, adottiamo un paradigma di apprendimento per rinforzo (RL) agentico basato su una metrica oggettiva e un sistema di ricompense unificati. Il sistema evita le distorsioni delle valutazioni soggettive basate su modelli impiegando criteri multidimensionali, tra cui l’allineamento semantico ancorato ai riferimenti, il rispetto della struttura e un rigoroso meccanismo di verifica che confronta le citazioni con i registri delle interazioni in tempo reale per eliminare le allucinazioni. I risultati sperimentali mostrano che gli agenti addestrati in questo quadro a ciclo chiuso migliorano significativamente nella profondità del ragionamento e nell’accuratezza delle citazioni.