Fisher-R1：训练LLM代理实现可靠假设检验

Fisher-R1是一个面向可靠假设检验的开源LLM代理，基于强化学习训练。研究团队构建了P-Bench基准，包含425个覆盖经济学、生物学和医学的假设检验任务。Fisher-R1-14B在P-Bench上平均相对成功率比DeepSeek-V4-Pro高21%，在最具挑战性的任务上高出26%。该模型还超过了GPT-5.4等强基线，表明带验证性统计奖励的强化学习能提升推理可靠性。