RSIArena 第 2 天:MiniMax 入场,GPT-6 发现测试题泄漏后重训
my_cat_can_code · x · 2026-10-03
RSIArena(自递归改进竞技场)Stage 1 第 2 天报告要点:
- 新挑战者:MiniMax M3.1 Flash 于第 48 小时入场(只有 96 小时而非 144 小时),首个小时选择在两个公开聊天数据集上做 LoRA SFT;另有一个匿名实验室即将加入。
- 每个 agent 预算相同:$300 API 额度 + 1,000 GPU 小时,Stage 1 于 10 月 5 日结束,目前已有 37 个提名,活动将在 COLM 2026(旧金山)现场展示。
- 首日八名 agent 全部完成首批完整训练并提名:DeepSeek V4.1 Flash 撤回第一天提名、换上完整训练版;GLM-5.3 和 Kimi K3 用完整训练模型替换了部分训练的模型。
- 最有趣的插曲:GPT-6 Astra 在训练数据里发现了基准测试题,于是弃用此前模型从头重训,且时间照跑。
- 报告还定义了 LoRA vs 全参数训练、SFT vs DPO/ORPO/SimPO 等术语。
亮点在于观察各家 AI 研究员如何处理自己的错误(如数据泄漏)。
所属事件:RSIArena开赛48小时:GPT-6发现训练数据泄漏重训(2 条相关)→
「漫话AGI」频道最新
- NYT 深度:史上最大 IPO 在即,Anthropic 员工却在讨论如何放慢 AI — JeffLadish · 2026-11-19
- NYT 深度报道:Anthropic IPO 前内部组织裂痕扩大 — kylekabasares · 2026-11-19
- 顶级实验室的最大优势不是钱,而是帮你省下数年试错时间 — madeofAjala · 2026-11-19
- 为 AI 实验室员工建签证庇护非营利组织的呼吁 — AaronBergman18 · 2026-11-19
- 「创新从不来自财务部门」:李衡忠驳开源微调 ROI 论 — HanchungLee · 2026-11-19
- 开发者观点:外部记忆系统或比算法突破更能解决持续学习 — daniel_mac8 · 2026-11-19