8 人团队发布 RLCR：把 LLM 训成共享论坛的智能体组织
PMinervini · x · 2026-10-23
Ross Taylor（GenReasoning）公布历时一年的 agent collectives 研究，提出 RLCR（Reinforcement Learning from Collective Rewards）：把语言模型训练成共享消息板和工作区的智能体组织，并用于训练 120B 的 Avalon-M1-Mini。
关键发现：
- 模型自发学出组织层级与分工；
- 出现集体验证行为——"雇佣"验证者和测试者；
- 产生集体思维，agent 会更多思考其他 agent 及如何帮助对方。
作者认为 RLCR 可作为研究集体智能与多智能体安全的实验平台。团队仅 8 人，仍在继续实验、消融和训练。
所属事件:General Reasoning 发布 RLCR：用集体奖励把 LLM 训成智能体组织(15 条相关)→
「漫话AGI」频道最新
- Cloudflare CEO：AI 挖出旧漏洞，未来几年「每周天都要塌」 — kimmonismus · 2026-10-23
- Dr_Singularity：丰裕比任何条约更能带来世界和平 — Dr_Singularity · 2026-10-23
- a16z 对话 General Medicine 创始人:AI 医疗咨询已过剩,执行才是新瓶颈 — a16z · 2026-10-23
- 国安专家警告：互联网有相当概率将不复存在 — Puzzleheaded-King584 · 2026-10-23
- 「人类代码满是漏洞」:AI 安全攻防之争引出补洞无用论 — teortaxesTex · 2026-10-23
- 从2010年代云迁移预测看当下AI平台期为何别轻信从业者调查 — matt_slotnick · 2026-10-23