Zephyrus-R1：天气报告奖励与课程强化学习

基于摘要分析。该研究面向自然语言天气预报报告：同一气象情境可以对应多种有效表述，难以依靠唯一标准答案进行确定性验证。作者提出 Zephyrus-R1，通过奖励设计、课程学习与专家一致性审计，训练能够调用工具、收集预报证据并生成报告的视觉语言智能体；研究对象是气象报告，而非 EEG 解码或 BCI 控制。 奖励将气象评价量规与双向声明蕴含结合，均以 National Weather Service 参考报告为依据，旨在兼顾报告可读性与事实准确性。训练在模拟工具调用环境中进行，智能体可跨区域和预报时效收集、分析证据。课程学习先利用答案可验证的天气分析问题训练工具使用与科学推理，再优化开放式报告奖励。作者还使用三名气象学家的标注，审计 LLM 裁判生成的声明标签；摘要未给出具体一致性结果。 作者报告，在六项裁判指标得分均值这一评估口径下，训练后的 Qwen3.5-4B 相对基础模型提高 26%；Qwen3.8-27B 相对基础模型提高 13%，相对 Kimi-K3 提高 6.7%，相对 GPT-5.6-Luna 提高 2.7%。这些是摘要所述的相对提升，不是百分点变化，也不等同于专家评定的同幅度改善。指标定义、数据划分、奖励与评估裁判的关系、消融及统计信息尚未验证。 平台推测（待验证）：该机制可能用于基于神经信号分析证据的开放式研究报告，而非直接迁移为解码算法。其前提是有可追溯的分析结果、参考报告和专家审核；可复用工具调用与分阶段训练流程，但需重建 EEG 专业量规及声明核验规则。低信噪比、跨被试差异、通道配置变化和小样本可能使参考证据本身不稳定，文本蕴含也不能保证信号结论正确。一个可检验的小实验是固定同一批 EEG 分析结果，在按被试隔离的测试集上比较基础模型与该类奖励训练模型，由盲评专家核查事实错误及不确定性表达。相关 EEG 工作尚未检索确认。