RLCR 实验观察：智能体训练越久越倾向互相帮助
rosstaylor90 · x · 2026-10-23
RLCR 团队分享多智能体训练实验发现：随着训练推进，智能体在思维链中规划更多互相帮助的计划，明确提供帮助的频率上升，对团队状态（谁在做什么）的推理也更多。团队还提出可把 RLCR 当作实验室，类比早期的「城市规模定律」研究，探索智能体组织的规模效应（目前仅用 <10 人规模团队，需更多算力才能得出严格结论）。
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)→
「研究」频道最新
- 老方法翻新:ICA 解释 LLM 激活可比肩 SAE,内存省 7–43 倍 — patrickmineault · 2026-10-23
- 数学证明「蜂群心智」:盲目模仿等价于单智能体多臂老虎机 RL — mistlab · 2026-10-23
- MolmoBOT 用 170 万条仿真轨迹实现零真实数据机器人抓放 — chris_j_paxton · 2026-10-23
- 东北大学团队发布数字氢平台:汇集 4,000 余篇论文、3 万条数据 — BenBlaiszik · 2026-10-23
- Ropedia 发布 DONIC:单一策略操控双手机器人,免微调泛化新物体 — liuziwei7 · 2026-10-23
- 腾讯开源 WeVisOne-VL:一个模型统一检测分割抠图 OCR — _akhaliq · 2026-10-23