HKUDS011: DeepInnovator 作为 Scientific Idea Foundation Model 与 Research Innovation Training Layer
这是 PENGYI_HKUDS_STUDYMAP 的第十二篇。
1
HKUDS011 -> DeepInnovator
到目前为止，HKUDS 第一阶段我们已经看了：
1
2
3
4
5
6
7
8
9
10
11
HKUDS000 -> study map
HKUDS001 -> LightRAG
HKUDS002 -> Vibe-Trading
HKUDS003 -> nanobot
HKUDS004 -> CLI-Anything
HKUDS005 -> AI-Trader
HKUDS006 -> AgentSpace
HKUDS007 -> RAG-Anything
HKUDS008 -> AutoAgent
HKUDS009 -> DeepCode
HKUDS010 -> AI-Researcher
现在来看 DeepInnovator。我对它的定位是：
1
DeepInnovator = Scientific Idea Foundation Model + Research Innovation Training Layer
它和前面几个项目的关系很清楚：
1
2
3
4
5
6
7
8
9
10
11
RAG-Anything = multimodal document ingestion
LightRAG = research memory
Vibe-Trading = quant research workflow
nanobot = personal agent shell
CLI-Anything = software action layer
AI-Trader = live trading platform layer
AgentSpace = organizational agent workspace
AutoAgent = self-developing agent factory
DeepCode = research-to-code implementation layer
AI-Researcher = autonomous scientific discovery workflow
DeepInnovator = train a model to become better at research idea innovation
前面 AI-Researcher 更像一个完整科研 agent workflow。
DeepInnovator 则更底层一点：它不是只把一个 agent workflow 搭起来，而是尝试训练一个更擅长提出、改进、评价科研 idea 的模型。
也就是说：
1
2
AI-Researcher = 用 agents 做科研流程
DeepInnovator = 训练 model 的科研创新能力
这对 Pengyi Research OS 很关键。因为我们最终不只是要会调用现成大模型，而是要思考：
1
2
3
4
什么样的数据能训练科研创新能力？
什么样的 reward 能衡量 idea 质量？
什么样的 multi-turn loop 能让 idea 越改越好？
什么样的 benchmark 能推动 AI scientist 真的变强？
DeepInnovator 正是在回答这些问题。
Local Snapshot
这次阅读的是本地 HKUDS 工作区里的 DeepInnovator。
| Item | Value |
|---|---|
| repo | DeepInnovator |
| remote | https://github.com/HKUDS/DeepInnovator.git |
| branch | main |
| local head | 1144198 |
| latest local commit date | 2026-03-07 |
| latest local commit | Update README.md |
| status | clean, synced with origin/main after fetch |
| license | MIT at root; bundled verl code carries Apache-2.0 notices |
| paper in README | arXiv:2602.18920 |
| model in README | DeepInnovator-14B |
| dataset/model links | Hugging Face links in README |
本地规模：
| Metric | Count |
|---|---|
total files tracked by rg --files | 511 |
| Python files | 402 |
| YAML/YML files | 59 |
| Markdown files | 14 |
核心目录：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
DeepInnovator/
assets/
recipe/
DeepInnovator/
data_preparation/
config/
metrics/
preprocess.py
reward_function.py
DeepInnovator_interation.py
DeepInnovator_agent_loop.py
train_rl.sh
utils.py
verl/
LICENSE
README.md
README_CN.md
setup.py
它的结构说明了一个事实：
1
DeepInnovator = data recipe + reward recipe + VERL RL training framework
它不是一个轻量级 app，也不是直接给用户点按钮的系统，而是一个科研 idea model 的训练工程。
一句话理解
DeepInnovator 最核心的价值是：
1
把“科研 idea 的产生与改进”建模成一个可训练、可奖励、可迭代的任务。
普通 LLM 也会生成 idea，但它的问题是：
1
2
3
4
5
6
容易空泛
容易 A+B+C 拼接
容易看起来高级但不可执行
容易缺少真实 implementation detail
容易忽略 practical challenges
容易 reward hacking
DeepInnovator 想解决的是：
1
2
3
如何让模型提出更像真实科研工作的 idea？
如何让 idea 有更强的 novelty、feasibility、effectiveness、detailedness？
如何让模型通过多轮反馈不断 refine idea？
它把这个问题拆成三件事：
1
2
3
1. 从论文中构造 idea training data
2. 设计 reward，鼓励 idea 逐轮变好
3. 用 VERL / GRPO 做 multi-turn RL training
这就是它和 AI-Researcher 的不同：
1
2
AI-Researcher 主要是 workflow。
DeepInnovator 主要是 model training recipe。
Key Features
README 里给出的能力包括：
1
2
3
4
5
6
AI Research Idea Generator
Cross-Disciplinary Innovation Engine
Scientific Hypothesis & Question Formation
Research Gap & Trend Analysis
Innovation Methodology Framework
Creative Problem-Solving Assistant
我把它压成四个核心能力：
第一，生成 research idea。
1
从已有论文和研究趋势中提出新的研究方向。
第二，识别 gap 和 trend。
1
不是只总结论文，而是看哪些问题还没解决，哪些方向在加速。
第三，做 cross-disciplinary synthesis。
1
从不同领域之间找到非显然的连接。
第四，训练 idea refinement 能力。
1
让模型在批评和反馈下，把一个 idea 改得更具体、更可执行、更像真实研究。
这和我们想做的 AI scientist 能力高度一致。
README Performance Claims
README 报告了 DeepInnovator-14B 的表现：
1
2
3
4
DeepInnovator-14B outperforms Qwen-14B-Instruct across evaluation dimensions.
Win rates vs base model: 80.53% - 93.81%.
It is competitive with GPT-4o and Gemini-2.5-pro.
It reports stronger well-justified rationale score than GPT-4o: 82.3% vs 77.9%.
README 还展示了在 law、education、biotech 等未直接训练领域的 zero-shot transfer 结果。
这里要严谨一点：这些是项目 README 的报告结果，不是我本地独立复现的 benchmark。
所以更准确的表述是：
1
README claims / project reports that DeepInnovator-14B improves research idea quality over Qwen-14B-IT and is competitive with stronger proprietary models on selected dimensions.
对我们来说，重点不是先相信所有数值，而是学习它的评价思路：
1
2
3
4
5
6
Novelty
Feasibility
Effectiveness
Detailedness
Rationale quality
Cross-domain generalization
这些指标很适合迁移到 Quant Research OS。
Architecture
README 把架构分成三个主要部分。
第一，Intelligent Knowledge Synthesis Pipeline：
1
2
3
dense literature
-> structured cognitive primitives
-> Insight / Research Trending / Serendipity
第二，Next Idea Prediction Training Paradigm：
1
2
3
4
idea generation
-> evaluation
-> refinement
-> next idea
第三，Decoupled Reward-Comment RL Architecture：
1
2
feedback / comment 与 reward score 分开
减少 creative task 中的 reward hacking
这三个点是 DeepInnovator 最值得学习的地方。
它不是单纯说“让模型生成 idea”，而是把 idea generation 拆成：
1
2
3
4
5
knowledge synthesis
idea prediction
critic feedback
reward scoring
multi-turn RL
这就是从 prompt engineering 走向 model training 的分水岭。
Data Preparation Pipeline
核心目录：
1
recipe/DeepInnovator/data_preparation/
README 把数据准备分成三大步：
1
2
3
1. Download Papers
2. Extract Target Paper Ideas
3. Generate Training Data
内部又分成四步：
1
2
3
4
step1.py -> paper analysis and extraction
step2.py -> paper routing and grouping
step3.py -> connections, serendipity, trends
step4.py -> next idea synthesis
完整输出结构：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
data/{paper_id}/
target_paper/
raw_paper/
paper_md/
paper_idea.json
raw_paper/
layer0/
paper_memory/
layer1/
inner_paper_memory.json
inter_paper_group.json
layer2/
connections.json
serendipity.json
research_trending.json
insights/
idea_spark.json
这个结构非常重要。
它说明 DeepInnovator 不是直接拿论文标题训练，而是先构造多层 research memory。
Step 0: Pull Papers
文件：
1
recipe/DeepInnovator/data_preparation/data_prepare/pull_papers.py
它从 arXiv 下载论文，类别覆盖：
1
2
3
4
cs.AI, cs.LG, cs.CL, cs.CV, cs.IR
stat.ML, stat.AP, stat.CO, stat.TH, stat.ME
q-fin.TR, q-fin.RM, q-fin.PM, q-fin.ST, q-fin.EC
math.OC, math.PR, math.ST, math.NA, math.AT
这里有一个对我们很有意思的点：
1
q-fin 被纳入了 paper crawling category。
这意味着 DeepInnovator 的 pipeline 天然可以覆盖 quantitative finance paper。
对我们未来做 quant idea model，这是一个直接入口：
1
2
3
4
5
q-fin papers
-> factor idea memory
-> research trend
-> serendipity
-> next alpha hypothesis
如果要做 Pengyi Quant DeepInnovator，第一步可以从 q-fin categories 开始。
Step 1: Paper Memory
文件：
1
recipe/DeepInnovator/data_preparation/data_prepare/step1.py
它把 raw paper markdown 转成结构化 paper memory。
输出字段包括：
1
2
3
4
5
6
7
8
9
10
paper_id
paper_title
paper_summary
research_domain
key_findings
methodology
limitations
future_work
confidence
paper_path
这就是 layer0。
对 Research OS 来说，layer0 是最基础的 memory：
1
2
3
4
5
6
每篇论文讲了什么？
它属于哪个 domain？
关键发现是什么？
方法是什么？
限制是什么？
未来工作是什么？
这一步决定后面 idea generation 的质量。
如果 layer0 抽取不准，后面所有 research idea 都会漂。
Step 2: Paper Routing and Grouping
文件：
1
recipe/DeepInnovator/data_preparation/data_prepare/step2.py
它把 paper memory 放进 paper profile，并让 agent 决定：
1
2
3
4
update_existing
create_new
filtered_out
merge
输出：
1
2
layer1/inner_paper_memory.json
layer1/inter_paper_group.json
这一步的意义是：
1
把单篇论文记忆组织成研究主题结构。
一个 research idea 通常不是从一篇论文产生，而是从一组论文之间的张力产生。
比如：
1
2
3
4
paper A 解决了建模问题
paper B 解决了评估问题
paper C 暴露了数据问题
paper D 提供了新工具
layer1 就是在构建这种“研究组块”。
Step 3: Connections, Serendipity, Trends
文件：
1
recipe/DeepInnovator/data_preparation/data_prepare/step3.py
它生成三类 layer2 产物：
1
2
3
connections.json
serendipity.json
research_trending.json
对应三个 agent config：
1
2
3
idea_paper_connections.yaml
idea_serendipity_engine.yaml
idea_research_trending.yaml
Paper Connections 找：
1
2
3
4
5
complementary
contradictory
evolutionary
methodological
cross-domain
Serendipity Engine 找：
1
2
3
4
5
tech_domain
tool_interest
problem_solution
skill_transfer
multi_domain
Research Trend Radar 找：
1
2
3
4
5
6
trend_name
description
source_papers
projected_impact
maturity_stage
confidence
这就是 DeepInnovator 的核心 insight layer。
它不仅知道每篇论文，还知道：
1
2
3
4
论文之间有什么连接？
哪些连接是非显然的？
哪些方向在形成趋势？
哪里可能有新 idea？
这对 AI scientist 非常重要。
真正的好 idea 往往不在单篇 paper summary 里，而在 paper 与 paper 之间。
Step 4: Idea Spark
文件：
1
recipe/DeepInnovator/data_preparation/data_prepare/step4.py
核心函数：
1
step4_idea_spark()
它读取：
1
2
3
4
layer1 paper groups
layer2 connections
layer2 serendipity
layer2 research_trending
然后生成：
1
insights/idea_spark.json
它还有一个很有意思的机制：
1
dropout_layer2()
这会随机删除一部分 connections 及相关 serendipity/trending item。
这个设计的意义是：
1
让模型在不完整知识下也能进行 robust idea synthesis。
这很像训练 researcher 的“补全能力”：
1
不是把所有答案喂给你，而是让你根据部分线索生成下一个合理 idea。
这就是 Next Idea Prediction 的味道。
Idea Spark Schema
paper_idea_spark.yaml 定义了 idea 输出结构。
每个 idea 包含：
1
2
3
4
5
6
7
current_limitations
idea_summary
technical_approach
supporting_insights
novelty_statement
source_paper_ids
confidence
这里最关键的是 technical_approach。
它要求：
1
2
3
4
5
6
step-by-step workflow
data preparation
model / algorithm design
key technical components
implementation details
evaluation methodology
这很重要。因为很多 LLM idea 的问题是：
1
2
3
idea_summary 很漂亮
technical_approach 很空
evaluation methodology 很虚
DeepInnovator 的 schema 强行把 idea 变成可实现的 research plan。
这点非常适合我们迁移到 quant。
Quant factor idea 也不能只写：
1
利用市场情绪构建 alpha。
而要写：
1
2
3
4
5
6
7
8
9
data source
universe
signal formula
rebalance frequency
neutralization
backtest period
transaction cost
risk diagnostics
expected failure modes
Preprocess for RL
文件：
1
recipe/DeepInnovator/preprocess.py
它把生成的数据处理成 RL training parquet：
1
2
rl_train.parquet
rl_validation.parquet
它会读取：
1
2
3
target_paper/raw_paper/paper_idea.json
insights/idea_spark.json
layer0 / layer1 / layer2 optional context
然后构造：
1
2
3
4
5
6
7
8
prompt
ground_truth
raw_prompt
extra_info
reward_model
data_source = DeepInnovator
agent_name = DeepInnovator_agent
index
其中 SYSTEM_PROMPT 是 Idea Quality Improver。
它要求模型：
1
2
3
4
5
improve a research idea
address weaknesses
enhance technical_approach
preserve core concept
output <Idea>{...}</Idea>
这说明 DeepInnovator 的训练任务不是从零生成，而是：
1
给一个 first version idea，让模型不断 refine。
这和科研训练非常像。
真正的研究通常不是一次写对，而是：
1
2
3
4
5
6
first idea
-> criticism
-> refinement
-> more concrete technical approach
-> better evaluation
-> stronger novelty statement
DeepInnovator 把这个过程做成了 RL task。
DeepInnovator Interaction
文件：
1
recipe/DeepInnovator/DeepInnovator_interation.py
核心类：
1
DeepInnovatorInteraction
它继承：
1
verl.interactions.base.BaseInteraction
它做一件很关键的事：
1
用 discriminator 判断 idea 是否像真实已发表研究。
prompt 名字是：
1
Idea Authenticity Checker
它让 discriminator 判断：
1
2
1 = real research work
0 = fictional research idea
并且明确要求不要看 citation、DOI、format，而是看内容质量：
1
2
3
4
5
6
technical depth
problem clarity
limitations discussion
executable technical approach
implementation details
practical challenges
如果 discriminator 判断 idea 是 real：
1
2
reward = 1.0
should_terminate_sequence = True
如果判断是 fictional：
1
2
reward = 0.0
should_terminate_sequence = False
这个设计可以理解为：
1
让模型学会生成“像真实研究”的 idea。
当然这里也有风险。我们后面会讲。
DeepInnovator Agent Loop
文件：
1
recipe/DeepInnovator/DeepInnovator_agent_loop.py
核心类：
1
DeepInnovatorAgentLoop
它继承：
1
verl.experimental.agent_loop.tool_agent_loop.ToolAgentLoop
它负责：
1
2
3
4
5
6
7
raw_prompt messages
interaction config
pending / generating / interacting states
repeat rollouts
turn scores
response ids / masks
extra_fields
关键输出字段：
1
2
3
turn_scores
messages
ground_truth
这说明 DeepInnovator 的 RL 不是单轮 completion，而是 multi-turn interaction。
训练脚本也配置了：
1
2
3
max_user_turns = 5
max_assistant_turns = 6
num_repeat_rollouts = 3
所以它训练的是：
1
模型在多轮反馈中改进 research idea 的能力。
这比单轮 SFT 更接近科研真实过程。
Reward Function
文件：
1
recipe/DeepInnovator/reward_function.py
核心函数：
1
conversation_level_reward_func()
核心类：
1
DeepInnovatorRewardManager
reward manager 注册名：
1
DeepInnovator
它从配置读取：
1
2
3
metric_weights
default_reward_kwargs
delta_reward_kwargs
默认 metric weights：
1
2
delta_reward: 5
token_amount: 0.1
也就是说，它主要奖励 idea 的逐轮改进，少量奖励合适长度。
这很合理。科研 idea 不是越长越好，而是要：
1
2
3
4
更具体
更接近真实 ground truth
更可执行
更有技术细节
Metric 1: delta_reward
文件：
1
recipe/DeepInnovator/metrics/delta_reward.py
它做的事：
1
2
3
4
5
extract all assistant ideas from conversation
compare adjacent idea pairs
ask LLM judge which idea is closer to ground_truth
score = new idea score - old idea score
sum over all adjacent pairs
也就是说：
1
如果后一轮 idea 比前一轮更接近 ground truth，就给正奖励。
这是很好的设计。
因为它奖励的是：
1
improvement
不是单纯奖励最后一版。
这对科研训练很重要。真实 researcher 不是一开始就提出最优解，而是能不能在 feedback 下越改越好。
Metric 2: token_amount
文件：
1
recipe/DeepInnovator/metrics/token_amount.py
它奖励 idea 长度落在合适范围：
1
2
3
3000 <= length <= 5000 -> reward 1.0
length < 3000 -> proportional reward
length > 5000 -> linear decay
这个 metric 看似简单，但很实用。
过短的 idea 通常缺少细节，过长的 idea 可能啰嗦、堆料、偏离重点。
它想把 idea 控制在：
1
足够具体，但不过度膨胀。
Metric 3: basic_reward
文件：
1
recipe/DeepInnovator/metrics/basic_reward.py
它读取：
1
turn_scores
并聚合成 reward。
这和 DeepInnovatorInteraction 中的 discriminator reward 对应。
如果 turn_scores 中包含 -999，则表示 invalid sample，不参与训练。
这说明 DeepInnovator 在处理：
1
2
3
multi-turn interaction score
invalid sample filtering
conversation-level reward
Training Script
文件：
1
recipe/DeepInnovator/train_rl.sh
核心训练配置：
1
2
3
4
5
6
7
8
9
10
11
12
13
algorithm.adv_estimator = grpo
actor_rollout_ref.model.path = ./qwen2.5-14b-it
train_batch_size = 16
ppo_mini_batch_size = 4
n_rollouts = 8
trainer.total_epochs = 3
rollout.name = vllm
rollout.mode = async
multi_turn.enable = true
max_user_turns = 5
max_assistant_turns = 6
num_repeat_rollouts = 3
n_gpus_per_node = 8
这说明它是重训练工程：
1
2
3
4
5
6
7
14B base model
8 GPU training assumption
vLLM rollout
VERL PPO/GRPO infrastructure
WandB logging
custom reward manager
custom interaction
所以 DeepInnovator 不适合我们立刻本地完整训练。
但它非常适合我们学习：
1
如何把科研 idea generation 变成 RL training recipe。
Run-Readiness Caveats
本地代码里有几个运行前必须检查的点。
第一，train_rl.sh 里有：
1
cd ./verl-main
但本地目录是：
1
verl/
第二，train_rl.sh 指向：
1
recipe/DeepInnovator/config/DeepInnovator_interaction_config.yaml
但本地存在的是：
1
recipe/DeepInnovator/config/ResearchGAN_interaction_config.yaml
第三，recipe/DeepInnovator/config/agent.yaml 里写的是：
1
2
name: ResearchGAN_agent
_target_: recipe.ResearchGAN.ResearchGAN_agent_loop.ResearchGANAgentLoop
但当前源码里有：
1
recipe.DeepInnovator.DeepInnovator_agent_loop.DeepInnovatorAgentLoop
第四，delta_reward.py 里导入：
1
2
from recipe.ResearchGAN.utils import call_agent
from recipe.ResearchGAN.utils import clean_idea
但当前本地目录是：
1
recipe/DeepInnovator/utils.py
这些可能是项目从 ResearchGAN 重命名为 DeepInnovator 后留下的路径残留。
也可能是作者训练环境里有额外 alias 或目录结构。
但从本地代码出发，严谨结论是：
1
README 的 concept 和 recipe 清楚，但完整 training run 之前需要修正这些路径/config inconsistencies。
这也是一个潜在 PR / issue 方向。
DeepInnovator 和 AI-Researcher 的区别
这两个项目都和 AI scientist 有关，但层级不同。
| Project | Position |
|---|---|
| AI-Researcher | agent workflow for autonomous scientific discovery |
| DeepInnovator | model training recipe for research idea innovation |
AI-Researcher 关注：
1
2
3
4
5
6
给定 references / idea
-> agent 做 survey
-> agent 写 plan
-> agent 实现
-> agent 实验
-> agent 分析
DeepInnovator 关注：
1
如何训练一个更擅长提出和改进 research ideas 的 model
所以在 Pengyi Research OS 里：
1
2
AI-Researcher = research workflow layer
DeepInnovator = research idea model layer
未来可以组合成：
1
2
3
4
5
DeepInnovator proposes stronger ideas
AI-Researcher orchestrates full research workflow
DeepCode implements code
LightRAG stores memory
RAG-Anything ingests papers
DeepInnovator 和 DeepCode 的区别
DeepCode 处理的是：
1
paper / requirement -> code implementation
DeepInnovator 处理的是：
1
paper memory / connections / trends -> research idea refinement model
DeepCode 更像工程师。
DeepInnovator 更像研究创意模型。
两者结合：
1
2
3
DeepInnovator generates the hypothesis.
DeepCode implements the hypothesis.
AI-Researcher validates it in a research loop.
这就是 AI scientist 的关键组合。
DeepInnovator 和 LightRAG / RAG-Anything 的关系
DeepInnovator 的数据构造其实需要两个能力：
1
2
1. 把论文稳定解析成结构化内容
2. 把多篇论文组织成可检索、可关联、可生成 idea 的 memory
RAG-Anything 可以增强第一个能力：
1
PDF / tables / formulas / figures / multimodal material -> structured content
LightRAG 可以增强第二个能力：
1
2
3
4
paper memory graph
connection retrieval
trend retrieval
cross-paper knowledge organization
所以未来如果我们做自己的 version：
1
2
3
RAG-Anything -> parse papers / reports
LightRAG -> store graph memory
DeepInnovator-style recipe -> train idea refinement model
对 Pengyi Quant Research OS 的启发
DeepInnovator 对我们最直接的启发是：
1
Quant alpha idea generation 也可以做成训练任务。
我们可以把它迁移成：
1
2
3
4
5
q-fin papers
WorldQuant factor examples
market microstructure notes
broker reports
internal sanitized experiment logs
然后构造多层 memory：
1
2
3
4
layer0: single factor / paper memory
layer1: factor group / theme memory
layer2: factor connections / serendipity / trend signals
insights: next alpha idea spark
再做 RL task：
1
2
3
4
5
first alpha idea
-> critique
-> refined alpha idea
-> compare against ground-truth strong factor / human-written research memo
-> reward improvement
这会形成：
1
Pengyi Quant Innovator
也就是一个专门训练：
1
2
3
4
factor hypothesis generation
signal refinement
backtest-aware research design
risk-aware alpha idea writing
的模型或 agent。
Quant Version Schema
DeepInnovator 的 idea schema 可以迁移为 factor schema。
原 schema：
1
2
3
4
5
6
7
current_limitations
idea_summary
technical_approach
supporting_insights
novelty_statement
source_paper_ids
confidence
Quant 版本可以是：
1
2
3
4
5
6
7
8
9
10
11
current_market_or_factor_limitations
alpha_hypothesis_summary
signal_construction
data_requirements
universe_and_rebalance
backtest_design
risk_and_bias_checks
supporting_evidence
novelty_statement
expected_failure_modes
confidence
这样生成的 idea 才能进入后续工程链路：
1
2
3
4
5
DeepInnovator-style model
-> DeepCode implementation
-> Vibe-Trading research workflow
-> AI-Trader platform simulation
-> human PM review
Research OS 总架构位置
加入 DeepInnovator 之后，我们的 HKUDS Research OS 图可以这样理解：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
Input:
RAG-Anything
Memory:
LightRAG
Idea Model:
DeepInnovator
Research Workflow:
AI-Researcher
Implementation:
DeepCode
Agent Factory:
AutoAgent
Software Action:
CLI-Anything
Personal Shell:
nanobot
Organization:
AgentSpace
Quant Workflow / Trading:
Vibe-Trading + AI-Trader
DeepInnovator 填补的是：
1
idea model layer
没有它，Research OS 可能只是会整理资料、执行任务、写代码。
有了它，Research OS 才开始有：
1
2
3
系统性生成研究假设
系统性改进研究 idea
系统性训练创新能力
可以提 PR / issue 的方向
如果我们后续真的使用 DeepInnovator，比较适合的贡献方向包括：
| Direction | Why |
|---|---|
| Fix config path naming | ResearchGAN / DeepInnovator path inconsistency 会影响复现 |
Fix train_rl.sh directory assumption | cd ./verl-main 与当前 verl/ 不一致 |
| Add minimal dry-run docs | 训练太重，用户需要小规模验证 pipeline |
| Add data preparation toy sample | 方便先跑通 layer0/layer1/layer2/insights |
| Document reward metrics clearly | 解释 delta_reward、token_amount、basic_reward |
| Add q-fin example | 项目已经抓 q-fin categories，很适合做 quant research idea demo |
| Add run-readiness checklist | API keys、model config、WandB、GPU、dataset、paths |
| Add schema examples | 展示一条完整 idea_spark 输入输出 |
最适合我们的第一个小贡献，可能是：
1
提一个文档 PR：Run-readiness checklist + config path notes。
这个 PR 不需要动核心训练逻辑，但能帮真实用户少踩坑。
风险和边界
DeepInnovator 的方向很强，但也有几个风险。
第一，训练成本很高。
1
14B model + 8 GPU + vLLM + GRPO + multi-turn rollout
我们现阶段更适合学习 recipe，而不是马上全量训练。
第二，discriminator reward 可能被 hack。
如果目标是“让 idea 看起来像真实研究”，模型可能学会写得像真论文，但不一定真的正确。
所以必须加：
1
2
3
4
implementation validation
experiment validation
human expert review
novelty search
第三，ground truth idea 不等于唯一正确答案。
科研不是只接近已发表论文。
如果 reward 过度贴近 ground truth，可能压制真正 novel 的方向。
第四，金融场景更敏感。
如果迁移到 quant：
1
2
3
4
不能用未脱敏因子
不能泄露私有数据
不能把回测幻觉当真实 alpha
不能用 LLM judge 替代统计检验
第五，本地代码有路径一致性问题。
运行前需要先修配置，不适合直接无脑训练。
对我们路线的意义
DeepInnovator 对我们最大的意义是：
1
AI scientist 不是只靠更强 prompt，而是可以训练“科研创新能力”。
它让我们看到一条更高层路线：
1
2
3
4
5
6
7
8
收集高质量科研轨迹
结构化文献记忆
生成 idea candidates
设计 reward
训练 idea refinement model
接入 research workflow
接入 implementation engine
接入 evaluation / benchmark
这和我们想走的路线完全一致。
我们想成为能持续产出顶会、开源、有影响力 project 的 AI scientist。
那就不能只做：
1
2
3
4
读论文
写总结
调 API
做 demo
还要做：
1
2
3
4
5
构建自己的 research data flywheel
构建自己的 idea generation benchmark
构建自己的 implementation pipeline
构建自己的 evaluation loop
构建自己的 public research assets
DeepInnovator 给的是 idea model 这部分的参考答案。
Study Map 更新
加入 DeepInnovator 之后，HKUDS 第一阶段地图变成：
| Index | Project | Role in Pengyi Research OS |
|---|---|---|
| HKUDS000 | Study Map | HKUDS project navigation |
| HKUDS001 | LightRAG | research memory and graph retrieval |
| HKUDS002 | Vibe-Trading | quant research workflow reference |
| HKUDS003 | nanobot | personal always-on agent shell |
| HKUDS004 | CLI-Anything | agent-native software action layer |
| HKUDS005 | AI-Trader | agent-native live trading platform layer |
| HKUDS006 | AgentSpace | organizational agent workspace |
| HKUDS007 | RAG-Anything | multimodal document ingestion layer |
| HKUDS008 | AutoAgent | self-developing agent factory |
| HKUDS009 | DeepCode | paper-to-code and research-to-code implementation layer |
| HKUDS010 | AI-Researcher | autonomous scientific discovery and research-agent benchmark layer |
| HKUDS011 | DeepInnovator | scientific idea foundation model and research innovation training layer |
HKUDS011 的一句话总结：
1
DeepInnovator 把科研 idea generation 从 workflow 问题推进到 model training 问题。
这对我们很重要。
因为最终真正强的 Research OS 不应该只会调用别人的模型，而应该逐渐积累：
1
2
3
4
5
6
自己的 research memory
自己的 idea data
自己的 reward signals
自己的 benchmark
自己的 research loop
自己的 open-source project
DeepInnovator 正好对应其中的：
1
idea data + reward signals + model training recipe
这就是它在 Pengyi Research OS 里的位置。