RLCR 新方法:用强化学习把 LLM 训成有 CEO 的智能体组织
rosstaylor90 · x · 2026-10-23
GenReasoning 提出 RLCR(Reinforcement Learning from Collective Rewards):用一条共享的集体奖励流,以强化学习把语言模型训练成多智能体组织——同一个策略同时扮演 CEO 和它招聘的各专业角色,智能体共享留言板与工作区。团队用它训练了 120B 的 Avalon-M1-Mini 并观察行为变化:
- 自发形成组织层级与分工:CEO 学会先招聘核心 IC,类似 Brooks 的“外科手术团队”模式
- 集体验证增强:倾向于雇佣验证者与测试者角色
- 出现“集体思维”:智能体更多为同伴着想、主动互相帮助,同行评审行为增多
作者认为 RLCR 可作为研究集体智能与多智能体安全的实验室,博客与技术报告已公开。
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)→
「编程与Agent」频道最新
- Claude Code 新版 UI 易误判运行状态,改「思考」视图可解 — yihui_indie · 2026-10-23
- 摩根士丹利封堵 AI Agent,给电商 CIO 的六条应对建议 — sanjaykalra · 2026-10-23
- 「数据与评测才是你的智能体」：别只关心模型自有 — sarahcat21 · 2026-10-23
- Cursor 用分层多智能体架构一周自主写出 100 万行代码 — mdancho84 · 2026-10-23
- 7 种多智能体编排模式拆解：Parallel 到 Hierarchical 该怎么选 — mdancho84 · 2026-10-23
- Perplexity 集成开源 Taste Skill,建站前先定艺术方向 — AravSrinivas · 2026-10-23