Avalon-M1 用集体奖励 RL 训练模型自发组建智能体组织
RLCR 项目介绍的 Avalon-M1 不同于 ScaleMAS 通过外部搜索索引框架降低固定模型间协调成本，而是直接对模型本体做后训练，让模型学会自发组队协作、组建智能体组织。该方案采用集体奖励强化学习，在评测中平均分从 33.5% 提升至 45.7%，将多智能体协作能力引入后训练阶段。
2026-10-28 ~ 2026-10-28 · 2 条相关
- 第 1 集:General Reasoning 发布 RLCR：集体奖励训练出 120B 智能体组织 Avalon-M1-Mini(2026-10-23,18 条)
- 第 2 集:Avalon 团队：多智能体组织同预算下快约 4 倍(2026-10-23,3 条)
- 第 3 集:Avalon-M1 用集体奖励 RL 训练模型自发组建智能体组织(2026-10-28,2 条)
- Avalon-M1 用集体奖励 RL 训练 LLM 组建 Agent 组织,平均分 33.5%→45.7% — RobertTLange · 2026-10-28
- Avalon-M1 训练模型自发组队协作，多智能体组织走向后训练 — rosstaylor90 · 2026-10-28