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
- GAE 论文提出几何原生潜空间，实现 3D 一致的世界生成 — yshan2u · 2026-10-16
- Agent 会随上下文变长而“摆烂”：编辑量从150行缩到30行 — dbreunig · 2026-10-16
- LMR-BENCH 登 EMNLP 2025:LLM Agent 能否复现真实语言建模研究 — ZhiyuChen4 · 2026-10-16
- Cammarata 称大模型绝大多数神经元已可读，学界质疑是炒作 — anshulkundaje · 2026-10-16
- 物理学者视角质疑：ML 社区不该默认模型「不可理解」 — tszzl · 2026-10-16
- AI Agent 评测综述:评估日益真实但仍难测安全与可靠 — burkov · 2026-10-16