不只是推理与扫描：强化学习用于学术论文的主动科学错误验证

本文提出 VERA-RL，一种用于学术论文主动科学错误验证的强化学习框架。研究者构建了包含 12,900 个样本的 VERA-13K 数据集，覆盖研究流程中的 6 类科学错误。训练 Qwen3-VL-8B 后，该模型在验证推理和证据对齐上显著提升，其 Scan 表现接近 Gemini 3 Pro 等旗舰模型。

以往模型验证依赖预设问题或证据，缺乏主动发现错误的训练范式。VERA-RL 开创了问题与证据缺失条件下的强化学习验证方法，使模型能独立判断论文错误，这对推动自动化科研和学术质量审查具有重要意义。

VERA-RL 采用“推理-验证-扫描”的递进流程，并通过细粒度奖励设计，分别奖励推理完整性、证据对齐和错误精确性，引导模型在无预设条件下逐步构建全局证据视图并做出可追溯判断，从而提升多模态大语言模型的主动验证能力。

该框架可直接用于学术出版前的错误筛查、科研辅助系统的质量校验，以及多模态模型的推理能力增强。企业可在论文审稿、学术问答和知识库管理中集成此类验证功能，提升自动化质检的准确性和可信度，减少人工审查成本。

• 为学术出版机构开发基于 VERA-RL 的预印本错误自动筛查工具，减少人工审查负担。
• 将 VERA-RL 的训练范式集成到科研助手产品（如文献管理或问答系统）中，增强其事实核查能力。
• 基于 VERA-13K 数据集的类别设计，开发针对特定学科（如物理学、生物学）的错误检测模块。

• VERA-RL 在不同规模模型（如小于 8B 参数）上的效果尚未有证据说明。
• 该方法在真实论文审稿场景中的误报率和漏报率未被验证。
• VERA-13K 数据集的标注质量和偏差未知。
• 训练后的模型在 Scan 任务上接近旗舰模型，但“接近”的具体量化差距未给出。