面向材料发现的物理感知型 LLM 推理对齐

AI 驱动的材料发现需将自动化实验与算法决策耦合，要求过程感知的配方到性预测模型具备准确、校准且符合物理法则的特性。我们将其视为一个推理问题，使用大型推理模型（LRM）。为赋予语言模型推理能力，我们从教师模型中筛选出推理轨迹以训练学生模型。然而，大多数训练管道使用的二元正确性或学习偏好信号 poorly reflects 物理可行性。我们引入物理感知拒绝抽样（PaRS），一种训练时轨迹选择方案，优先选择与基本物理法则一致且数值上接近目标值的轨迹，并采用轻量级 halting 控制计算资源。我们以大型学生模型在由更大教师模型合成的轨迹上进行微调，并在匹配的 token 预算下对抗 various 拒绝抽样基线进行评估。我们的方法在准确率和校准性方面均有所提升，降低了物理违规率，同时降低了抽样成本。这些结果表明，结合轨迹级选择的适度且领域感知的约束，为可靠、高效的 LRM 在过程感知性预测和闭环材料设计中提供了一条实用的路径。