Kardashev-0.7：32 个模型联合强化学习训练成种群

Banbury Road 发布 Kardashev-0.7，宣称是全球首个由 32 个不同模型组成的强化学习训练群体。该项目采用名为 RLPS（Reinforcement Learning for Population Scaling）的方法，让互不相同的模型同场联合训练，探索「种群扩展」路径，使模型之间学到互补能力，而训练成本据称仅为常规方式的 0.7% 至 2%。

2026-10-06 ~ 2026-10-06 · 2 条相关

• Kardashev-0.7:首个由32个模型组成的RL训练群体,成本仅0.7%-2% — Scobleizer · 2026-10-06
• Banbury Road 发布 Kardashev-0.7:32 个模型同场 RL 联合训练 — MarceloDeAviz · 2026-10-06