Avalon-M1 训练模型自发组队协作，多智能体组织走向后训练
rosstaylor90 · x · 2026-10-28
RLCR 项目介绍 Avalon-M1 的思路：不同于 ScaleMAS 通过外部搜索索引 harness 降低固定模型间的协调成本，Avalon-M1 直接对模型本体做后训练，让它学会在 agent 组织中协调。
具体做法：从 NVIDIA 开源的 Nemotron 3 Super 底座（总参数 120B、激活 12B）出发，让同一策略的多个副本分别扮演「CEO」和它雇佣的各类专家，构成分层 agent 组织。作者还提到 wall clock 调度很关键，使其无需显式的延迟惩罚项。
所属事件:Avalon-M1 用集体奖励 RL 后训练 LLM 自发组建 Agent 组织(3 条相关)→
「编程与Agent」频道最新
- NVIDIA 发布 Metatron:用目标接口让编码智能体驱动人形机器人全身运动 — carlosdponx · 2026-10-29
- Aiden Bai 发布 TLA-ts：纯 TypeScript 重写 TLC，模型检查提速 2 倍 — aidenybai · 2026-10-29
- Copilot Fusion 每任务仅耗 720 万 token,约为 Claude Code Opus 5.5 一半 — ArtificialAnlys · 2026-10-29
- GitHub 发布 Copilot Fusion:编排多家模型,成本仅 Claude Code 一半 — ArtificialAnlys · 2026-10-29
- Rust 写的笔记应用 noted 启动仅 2.6ms,内存 5.3MB 干翻 Obsidian — rakyll · 2026-10-29
- 男子用 Claude Code 加备用安卓机自动刷 Hinge,日配 20-25 个 — pritisinghhhh · 2026-10-29