RLCR 新方法:把 LLM 训成共享工作区的智能体组织,涌现分工与等级
rosstaylor90 · x · 2026-10-23
GenReasoning 发布 Avalon-M1-Mini(120B),是首个用 RLCR(集体奖励强化学习)训练的长程推理模型。
RLCR 的核心做法是把语言模型作为「智能体组织」来训练:多个 agent 共享一块留言板和工作空间,以集体奖励作为训练信号。论文报告了若干有趣发现:
- 自发涌现组织层级与分工:agent 之间学出类似职级的结构
- 集体验证增强:组织会「雇佣」验证者和测试者角色
- 集体思维兴起:agent 更多思考其他 agent 的需求并互相帮助
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,博客与技术报告已发布。
所属事件:General Reasoning 发布 RLCR：集体奖励训练智能体组织(14 条相关)→
「研究」频道最新
- Meta 训练 8B 小模型选工具，胜过 402B 的 Llama-4-Maverick — dair_ai · 2026-10-23
- 研究发现:熵并不能很好追踪思维链中真正重要的信息 — gsarti_ · 2026-10-23
- CT-Tox 用大鼠数据预测人体毒性:排名一致性 0.74,远超跨物种基线 — david_van_dijk · 2026-10-23
- is-lesion:用 TypeSafe Jev 在 HF MRI 数据集上检测脑部病灶 — init0 · 2026-10-23
- Transformer 与哈密顿蒙特卡洛学习笔记开源分享 — aybehrouz · 2026-10-23
- 研究：朴素 RAG 在 7 项长记忆基准中 6 项击败复杂 Agent 记忆系统 — omarsar0 · 2026-10-23