作者澄清：协作行为不靠定制数据，而是 RL 扩展压力自发涌现
niloofar_mire · x · 2026-10-21
被问及模型协作能力是来自模拟环境中的协作，还是直接在协作数据上训练时，作者澄清：两者都不是——他们没有做任何「定制」修改或强制约束，而是把模型放进一个协作任务/环境中，然后扩大 RL 规模和 rollout 数量，优化压力会自然把协作行为「压」出来。这澄清了协作能力的来源是 RL 反馈信号而非行为模仿。
「研究」频道最新
- Axiom Math 联合经济学家开源 MathEconLib：用 Lean 4 机器验证经济学定理 — soumitrashukla9 · 2026-10-23
- 数学家 Ken Ono 呼吁社区共建 MathEcon：经济学定理的 Lean 4 机器证明库 — soumitrashukla9 · 2026-10-23
- IFM 开源 RL360:8192 并发沙箱、130 万 rollouts 的 RL 基建 — rupspace · 2026-10-23
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23