RSI Arena：10 个 AI Agent 自主微调模型效果分化

Bake AI、圣母大学、UCLA、NVIDIA 等机构发布论文《RSI Arena》，让 10 个前沿模型作为「训练 agent」自主后训练其他模型，研究递归自我改进（RSI）。结果显示 8 个 agent 在人类反馈下变得更强，最强者追平 76% 的基线差距；但表现分化明显：DeepSeek 训练的模型人类评分大涨 172 点而基准仅涨 4 点，MiniMax 训练的模型人类评分涨 68 点、基准反而下降 18 点，提示 SFT 式刷分存在「翻车」风险。

2026-10-28 ~ 2026-10-29 · 3 条相关