RSI Arena：10 个 AI agent 自主训练模型，8 个经人类反馈后提升
my_cat_can_code · x · 2026-11-06
Bake AI 联合 Hugging Face、NVIDIA、Scale AI 及斯坦福、MIT 等高校推出 RSI Arena 实验，探索 AI 自主递归自我改进（RSI）：给 10 个前沿模型 agent 相同的基座模型（NVIDIA Nemotron 3.5 Lightning 30B-A3B Base）和共享 64 GPU 集群，让它们自选数据、写训练代码、训练自己的助手，共耗费约 1.3 万 GPU 小时、跑 20 个 benchmark、两轮收集 3,129 张人类盲评投票。
- 最强的 agent（GPT-6 Astra 训练的模型）在 12 个能力 benchmark 上中位数闭合了基座到 Instruct 差距的 76%，人类偏好评分经长度/格式调整后接近 NVIDIA Instruct。
- 第二阶段把第一轮人类反馈交回各 agent 再训练 3 天，10 个模型中 8 个风格调整后评分提升，但 benchmark 提升与人类偏好提升并不挂钩。
- 结论：AI 能承担自身开发的大部分工程，但人类反馈仍决定了「改进」的方向。
所属事件:RSI Arena 实验：10 个 AI agent 自主训练模型见成效(2 条相关)→
「研究」频道最新
- Discovery Loop 成员发起 $DISCODEV 个人实验：开源 AI 材料发现闭环 — arkitus · 2026-11-06
- 西北大学团队用普通智能手表读取手势与肌肉信号 — realkaranahuja · 2026-11-06
- 三人各自瞎摸四周算研究?网友吐槽 Bing Chat 提示词论文 — Sauers_ · 2026-11-06
- 注意力内核遇上真实模型：可解释性与系统研究的交集 — QuentinAnthon15 · 2026-11-06
- MoE 预训练 All-to-All 通信占训练步 60%,新方法削减 58% 分发行 — QuentinAnthon15 · 2026-11-06
- CMU 与 Bosch 提出 BestRand:基准压缩高错误风险降 50.2% — CarnegieMellonU · 2026-11-06