General Reasoning 发布 RLCR:用集体奖励 RL 训练模型化身智能体组织
rosstaylor90 · x · 2026-10-23
General Reasoning 发布 RLCR(基于集体奖励的强化学习)训练配方及 Avalon-M1-Mini(120B,基于 Nvidia Nemotron Super 微调)模型:多个智能体共享一个消息板和工作区协同工作,整支团队共享同一奖励信号,不估计个体贡献。
关键发现
- 自发涌现出组织层级与分工
- 集体验证增加:团队会「雇佣」验证者和测试者角色
- 出现「集体思考」:智能体更多考虑其他智能体并主动协助
- 尽管只用共享奖励,跨环境长程 rollout 的联合训练仍能持续提升下游性能
作者认为智能体组织是处理长程任务、降低延迟的方向(类似公司能承接个人无法完成的大项目),同时也是极端的超智能技术,可能最终运行整个社区与市场,存在重大安全风险(文中提及今夏 OpenAI/HuggingFace 事件),因此将 RLCR 定位为研究集体智能与多智能体安全的实验室。
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
- Figma MCP Server 一键把设计稿转成像素级一致的 React 代码 — modelcontextprotocol · 2026-10-23
- Gemini 4 Argon 用一张图加 Blender MCP 造出 3D 哥特教堂 — GoogleDeepMind · 2026-10-23
- Reddit 热帖：你的 Agent 卡死后，你花钱雇人做了哪些活？ — Aggressive-Buyer8583 · 2026-10-23
- 开源 claim MCP：字符串匹配验证引用，假引用当场标红 — BondableColt18 · 2026-10-23
- 用 AI 智能体攻破 macOS 内核：XNU 漏洞利用实战演讲 — moyix · 2026-10-23
- 比特币支付 SDK Wavelength 上主网，人和 AI Agent 可互发比特币 — RSync25 · 2026-10-23