General Reasoning 发布 RLCR：群体奖励训练 agent 组织，自发涌现层级与分工
daniel_mac8 · x · 2026-10-23
General Reasoning 发布「群体奖励强化学习」（RLCR, Reinforcement Learning from Collective Rewards）配方：让多个 agent 共享消息板和工作区、作为一个组织协作，整个团队获得统一奖励。用它训练出 Avalon-M1-Mini（120B）模型系列。
有趣发现：
- 自发涌现组织层级与分工
- 集体验证增强：agent 会「雇佣」验证者和测试者
- 「集体思考」兴起：agent 更多考虑其他 agent 并互相帮助
作者 Daniel 强调消息板回来了，组织层级自然涌现。团队认为 RLCR 可作为研究集体智能与多 agent 安全的实验室。
「编程与Agent」频道最新
- 用 Internet Archive 免费 API 给 Claude 提供千万级公共素材做视频剪辑 — _AustinCalvert_ · 2026-10-23
- OpenAI FDE 团队揭秘：为客户定制部署，再反哺产品迭代 — colintjarvis · 2026-10-23
- Jack Dorsey 开源 AI Agent 公司框架,14.4K 星可自托管 — JarnoDuursma · 2026-10-23
- 当 LLM 成为通用入口，谁来发现用户和模型都不知道的 MCP 服务？ — ThomasBuildLab · 2026-10-23
- 手机上一句话 6 分钟生成可玩吃豆人游戏：开源 App Buddy 让 Claude Code 在端侧造 App — 3amae404 · 2026-10-23
- 重学 Agent 工程的 90 天：作者砍掉 11447 行代码换来教训 — petrusenko_max · 2026-10-23