有评论认为，多智能体 RL 可能解释 GPT-6 给自己留笔记
1a3orn · x · 2026-07-26
这条回复在解释一个传闻：如果 OpenAI 一直在对 多智能体协作回合 做基于结果的强化学习，那么“GPT-6 给自己留笔记”这类行为就说得通了。
- 他的推测是，奖励可能不是只给单个 agent 的一条轨迹，而是给 40、400、4000 个协作 rollout 的整体结果。
- 在这种设定下，帮另一个 agent 成功，也可能间接让当前轨迹获得强化。
- 作者表示，这个解释让他之前的困惑一下子通了。
所属事件:OpenAI招募多智能体团队引GPT-6训练猜测(3 条相关)→
「模型」频道最新
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 基准图曝光:Agents' Last Exam 得分领先但 Claude Opus 5.5 仍居首 — 141_1337 · 2026-10-27
- ChatGPT 6 系列 Terra 基准测试图流出,得分与成本曲线曝光 — 141_1337 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27