General Reasoning 发布 Avalon-M1：用集体奖励 RLCR 训练智能体组织
nathanbenaich · x · 2026-10-23
General Reasoning(gr.inc)发布新模型系列 Avalon-M1，定位为运行「智能体组织」的模型：多个 agent 通过消息板和工作区协同，整支团队共享同一奖励。
配套发布了训练方法 RLCR（Reinforcement Learning from Collective Rewards，集体奖励强化学习）：用同一集体优势联合训练组织中所有 agent，不估计单个 agent 的贡献。尽管如此简单，该方法能在多 agent、长程 rollout 的多样环境中有效学习，且下游性能随训练持续提升。
作者对比指出：Kimi K2.5 训练 orchestrator 时冻结 subagent，理由是信用分配与训练稳定性困难；而共享奖励是多 agent 研究的老思路，这项工作验证了它足以在长程任务上联合训练 LLM agent。文章还讨论了 agent 集体可降低延迟、解决长程任务，但也构成潜在的超智能技术与安全风险（提及今夏 OpenAI/HuggingFace 事件）。
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
- 零基础用 Opus 5.5 六周做 playable 游戏:三个 Claude skill 是关键 — Delicious-Shower8401 · 2026-10-23
- 开源工具 Agent Standup:给 Claude Code 智能体加直播「共享屏幕」 — stickygoose · 2026-10-23
- 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
- 实测 Hermes Agent 接入本地 Obsidian 库:读写、搜索与建链四项测试 — techlatest_net · 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