RLCR 论文：用集体奖励训练 LLM 智能体组织，自发涌现分工与层级
algo_diver · x · 2026-10-24
新论文提出 Reinforcement Learning from Collective Rewards（RLCR）：把语言模型作为共享留言板和工作空间的智能体组织来训练，并用它训练了 120B 的 Avalon-M1-Mini 模型。
主要发现：
- 智能体自发学会组织层级与分工
- 集体验证增强：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并互相帮助
作者认为 RLCR 可以作为研究集体智能与多智能体安全的实验室。Lepton AI 的 Lewis Tunstall 转发预言该论文引用量将暴涨。
所属事件:General Reasoning 发布 RLCR 与 Avalon-M1-Mini：智能体组织自发涌现层级与分工(18 条相关)→
「研究」频道最新
- 审稿人吐槽:见过 R² 为负的论文，挂名零贡献还漏查清单 — RexDouglass · 2026-10-24
- Ropedia A0 提出纯代码机器人控制范式，RoboDojo 成功率 70.24% — liuziwei7 · 2026-10-24
- Ropedia Holi-World:百段自拍视频产出8万QA对,4B模型胜27B — liuziwei7 · 2026-10-24
- DecisionFormer 开源：像用 Transformers 一样微调「决策模型」 — kalyan_kpl · 2026-10-24
- SMD 少步扩散蒸馏发布：无需对抗训练与打分模型，验证至 33B、覆盖图视频3D — ArashVahdat · 2026-10-24
- tszzl 预言：几年内生物学将现惊人突破，癌症或迎近期解法 — tszzl · 2026-10-24