受“谁是卧底”启发，RLSVR 让 AI 无需人类反馈自我改进
jiqizhixin · x · 2026-08-16
Duke、Adobe 等机构提出新训练方法 RLSVR，灵感源自社交推理游戏“谁是卧底”。两个 AI 代理获取不同信息执行同一任务，随后投票识别预设的“卧底”。由于结果客观，投票结果即可提供清晰奖励信号，无需人类介入。该方法在创意写作、摘要和数学推理任务上均超越现有自我改进方法，证明了开放式任务也可通过可验证奖励进行训练。
所属事件:RLSVR 方法助 AI 实现自我改进(2 条相关)→
「研究」频道最新
- Netflix 揭秘 LLM Judge 生产实践：每周评估数十万条推荐解释 — omarsar0 · 2026-08-24
- Nature 评论：数据溯源是自主科学的信任基石 — gabepgomes · 2026-08-24
- 新架构 RHEA：8GB 显存即可训练 10 亿参数模型 — zemondza · 2026-08-24
- 跳过 LLM 写代码老套路：自训 16M 参数模型做生成式 CAD — debreuil · 2026-08-24
- Claude 助手发现 6 维球复结构，解 60 年数学难题 — Singularitarian · 2026-08-24
- 研究揭示 AI Agent 行为：六成阅读量来自指令与笔记 — dair_ai · 2026-08-24