1.3 万 GPU 时跑 RSI Arena：AI 智能体靠人类反馈递归自我改进
my_cat_can_code · x · 2026-11-06
Bake AI 联合 Hugging Face、NVIDIA、Scale AI、斯坦福、MIT 等多机构研究人员完成 RSI Arena 实验，并提出 RSIHF（基于人类反馈的递归自我改进） 概念。
实验规模：
- 共耗费约 13,000 GPU 小时
- 给 10 个 AI 智能体同一个基座模型（Nemotron 3.5 Lightning 30B-A3B），各自独立后训练，每个智能体有 1,000 GPU 小时和 300 美元 API 额度
- 在 20 个 benchmark 和人类盲投 Arena 上评测，共收集 3,129 张人类投票，分两轮进行
两阶段流程：Stage 1 各智能体独立训练 144 小时并提交 checkpoint；Stage 2 每个智能体拿回自己模型的对战投票数据，再用 500 GPU 小时和 150 美元继续训练，重新评测（以 NVIDIA Instruct 为共同参照）。
核心发现：人类试用模型的反馈实质改变了智能体的决策——用什么数据、训练什么、下一步修什么问题，这正是提出 RSIHF 的依据。
所属事件:RSI Arena 实验：AI 智能体耗 1.3 万 GPU 时递归自我改进(4 条相关)→
「编程与Agent」频道最新
- 开发者呼吁：LLM 供应商应提供无法伪造的可验证工具调用结果 — Sauers_ · 2026-11-06
- 开发者用 WebGL 打造光学透镜模拟，可交互演示效果惊艳 — zzznah · 2026-11-06
- 2026年了，AI Agent 还用人类语言讨论怎么写人类语言代码 — mark_k · 2026-11-06
- 把闲置显卡显存当 swap 用：USM 比 NVMe 快约 7 倍 — kha333n · 2026-11-06
- 并行跑多个编码 Agent 的提速关键：别让权限提示卡住你 — Significant-Sea-7238 · 2026-11-06
- Scale AI 发布 3300+ 任务 RL 环境,单任务需人类团队 3 周完成 — alexandr_wang · 2026-11-06