RL 模型自创诊断渲染手段理解代码，研究者称更大规模 RL 会现奇招

teortaxesTex · x · 2026-09-18

ProximalHQ 展示其智能体 Astra 在开发过程中的 emergent 行为：它会在视频帧上叠加网格来检查和修正道路标签，还会自己写一个程序化道路生成器，从不同视角训练控制器，并加入卡墙时的恢复逻辑。

teortaxesTex 评论指出 V4.1 也大量表现出类似行为——模型会自行创造多种「替代性诊断渲染模态」来更好地理解代码，并认为这是看多信号：更大规模的 RL 训练还会涌现出更多意想不到的策略。