RLCR 用群体奖励训练 LLM 智能体组织,自发涌现分工与层级
rosstaylor90 · x · 2026-10-23
GenReasoning 团队发布 RLCR(Reinforcement Learning from Collective Rewards)训练配方,把语言模型当作共享留言板和工作区的智能体组织来训练,并用它训练出 120B 的 Avalon-M1-Mini 模型。
关键发现包括:
- 智能体自发学会组织层级与劳动分工
- 集体验证能力增强:会主动「雇佣」验证者和测试者
- 出现「集体思考」:智能体更多考虑其他智能体的处境并互相帮助
团队认为 RLCR 可以作为研究集体智能与多智能体安全的实验室,已发布博客与技术报告。
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