RSI Arena实验:10个AI Agent自主训练模型,最强追平76%基线差距
RSIArena · hf · 2026-10-28
Bake AI、圣母大学、UCLA、NVIDIA 等机构发布 RSI Arena,一个两阶段递归自我改进(RSI)研究:
- 设定:10 个前沿模型作为「训练 agent」,各自基于 NVIDIA Nemotron 3.5 Lighting 30B-A3B 基座,在共享 64-GPU 集群上每队有 1000 GPU 小时 + 300 美元 API 额度,自主选数据、写训练流程、挑 checkpoint。
- 第一阶段结果:全部 10 个 agent 都产出了可用的助手模型;最强者(GPT-6 Astra 训练)在 12 项能力基准上平均追平基座到 Instruct 差距的 76%,人评偏好经统计调整后接近 NVIDIA Instruct。
- 第二阶段:每个 agent 拿到第一阶段模型的对比记录与投票,再获 3 天继续训练;以 NVIDIA Instruct 为公共参照,观察到从一阶段到二阶段的改进,多数 agent 在第二阶段取得偏好提升,尽管基准分数提升有限。
「漫话AGI」频道最新
- NYT 称超智能已到来，Domingos 讽刺式转发引热议 — pmddomingos · 2026-10-28
- 当无数 AI 的集体激励产生人类无法逆转的后果会怎样 — PierceLilholt · 2026-10-28
- 从码农到产品工程师：会写代码正变得不如会解决问题 — CtrlAltDwayne · 2026-10-28
- Rachel Thomas 引经典论文：论证「不造技术」也是一种价值 — math_rachel · 2026-10-28
- 假想 Anthropic 2 万亿美元 IPO:估算每年注入实体经济超千亿美元 — sanjaykalra · 2026-10-28
- 医药公司 CEO 泼冷水：AI 制药将是 AI 革命的落后领域 — vaibhavbetter · 2026-10-28