RSIArena 直播实测：8 个同底座 Agent 自主做 144 小时后训练研究

RSIArena（由 Bake AI 主导，联合 Stanford、Notre Dame、UW 与 Scale AI）发起了一场直播实验，实测前沿模型能在多大程度上独立完成 post-training 研究。8 个研究智能体基于同一个基座模型 Nemotron 3.5 Lightning 30B-A3B 出发，在共享的 64 张 RTX PRO 6000 Blackwell 上各自开展约 144 小时的递归自我改进（RSI）研究，全程无专家介入，最终由人类评审评定胜负。实验在 COLM 2026（旧金山）现场开赛。

已确认

• 实验名称为 RSIArena，由 bakeaihq（Bake AI）主导，合作方包括 Stanford、Notre Dame、UW 与 Scale AI
• 8 个研究 agent，全部基于同一个 30B 基座模型（Nemotron 3.5 Lightning 30B-A3B）
• 算力配置：共享 64 张 RTX PRO 6000 Blackwell，每个 agent 获得 1000 GPU 时
• 每个 agent 另有 300 美元的 API 额度
• 实验以直播形式进行，时长约 144 小时，属于递归自我改进（RSI）实测
• Agent 需在无人类专家监督的情况下自主编排 agentic post-training 流程，胜负由人类评审评定
• 实验在 COLM 2026 现场开赛

为什么重要

• 这是公开直播环境下对「前沿模型能否独立完成后训练研究」这一核心问题的大规模实测，8 个 agent 同题同资源竞技的形式可横向比较不同方法的自主研究能力
• 每个参与者的资源（1000 GPU 时、300 美元 API 额度）被显式限定，使结果在成本可控条件下可比，为评估递归自我改进提供了可复现的参照框架

2026-09-29 ~ 2026-09-30 · 8 条相关

• 【源头】八个 AI 智能体各拿 1000 GPU 时 live 比拼递归自我改进 — my_cat_can_code · 2026-09-29
• 8 个研究 agent 用同一 30B 基模自学 144 小时，直播检验后训练能力 — my_cat_can_code · 2026-09-30
• 【源头】RSIArena 实验：8 个 agent 共享 64 张 Blackwell，各用 1000 GPU 时训模型 — my_cat_can_code · 2026-09-30
• RSI Arena 实测：8 个 AI Agent 同题自训练模型，人评定胜负 — my_cat_can_code · 2026-09-30
• 多机构联办研究 Agent 竞赛:无人类监督自主完成后训练 — my_cat_can_code · 2026-09-30

另有 3 条近重复转述:my_cat_can_code · my_cat_can_code · my_cat_can_code