RSI Arena 第二阶段开赛：你的投票成 Agent 训练信号
my_cat_can_code · x · 2026-10-13
RSI Arena Stage 2 上线：每个 Agent 延续自己在 Stage 1 选择的模型，继续在竞技场对战中训练该模型，观众投票即训练信号。规则为每个队伍 500 GPU 小时、150 美元 API 额度、共 72 小时。项目直播进行中，看点是 Agent 能否从人类投票中学到东西、谁会变得更强。
「研究」频道最新
- Google 研究让用户模拟器学会暗自评分，RL 训练算力省一半以上 — cocoweixu · 2026-10-13
- Gaperon 团队：基准污染扭曲评测，但测试数据或提升泛化 — antoine_chaffin · 2026-10-13
- Helmholtz-SDE：无需数值模拟即可从噪声数据恢复动力学 — scott_linderman · 2026-10-13
- 持续学习论文弹幕:Cortical Labs 培养皿神经元、自蒸馏、Text-to-LoRA 等清单 — yacinelearning · 2026-10-13
- 1.5 小时深聊持续学习:从第一性原理到超网络与 Qwen3-8B 实验 — yacinelearning · 2026-10-13
- 偏好训练可能只改末层「表演」，对齐与模型福利隐忧浮现 — Sauers_ · 2026-10-13