RLCR 新范式:让不到 10 个 Agent 协作通信并优化集体智慧

rosstaylor90 · x · 2026-10-23

作者解读 RLCR(强化学习集体推理)的核心思想:给一个 N<10 的 Agent 团队提供通信界面,让它们交谈与共享结果,然后对集体行为进行优化。类比推理范式通过 RL 算力解锁了检查工作、回溯、考虑备选方案等元能力,RLCR 则有望找到这些能力的"集体类比":如何组织一个公司、如何分工、何时以及如何沟通、什么时候私信还是公开发帖、重要行动前该辩论多激烈。配图展示了一个 Avalon-M1-Mini 组织在数据科学任务中的频道:各 Agent 发布基线与模型扫描(随机森林 ROC AUC 0.96727)、维护内部排行榜、按请求共享特征工程 CSV 并在彼此结果上迭代。