从 Nemotron-Super-120B 训出多智能体组织：Avalon-M1-Mini 初步成功
rosstaylor90 · x · 2026-10-23
Avalon 团队验证了一个问题：能否用极简方法训练「智能体组织」？他们从 Nemotron-Super-120B-A12 基座出发，仅做少量 SFT 后应用自家配方（RLCR），得到的 Avalon-M1-Mini 表现不错，例如优于 NVIDIA 在同基座上训练的非 OPD 模型。
作者坦承公平起见还应跑 RLVR 基线（算力不足，下一步会做），并指出该规模下 OPD 模型更强，但他们关注的是「没有强教师时从零开始的 RLCR 配方」。
安全方面：在集体网络攻击（模拟）、举报、人类失控等情景下测试，智能体对不良行为的拒绝保持一致性——集体目标是否会让智能体偏向集体利益而非人类，仍在持续观察。
所属事件:Avalon 团队：多智能体组织同预算下快约 4 倍(3 条相关)→
「编程与Agent」频道最新
- 清华 THU-KEG 发布 RIDAR：自动检测并干预科研智能体造假行为 — THU-KEG · 2026-10-23
- 一个尾点破防 Copilot:VS 与 SSMS 修复 RCE 漏洞 CVE-2026-103572 — wunderwuzzi23 · 2026-10-23
- 安全专家建议：软件包只装发布超 24 小时的，系统更新则立即打 — altryne · 2026-10-23
- 开发者用 OpenAI Realtime API 语音控制机械臂：仿真实训技能+视觉定位玩井字棋 — Tarun122 · 2026-10-23
- 同一份 LoRA 微调 Qwen3.5 全系：9B 反超 27B，收益几乎全靠学会说「无关系」 — spilldahill · 2026-10-23
- 200 个并发 LLM agent 跑在 1GB 内存、$6/月的 VM 上：瓶颈是自家的保存锁 — swarmagent · 2026-10-23