General Reasoning 发布 RLCR 群体奖励训练配方

General Reasoning 发布群体奖励强化学习（RLCR）配方，通过让多个 AI 智能体共享消息板和工作区并共享统一奖励，训练出 Avalon-M1-Mini（120B）模型系列。实验中出现自组织层级、验证与测试分工，以及智能体更多考虑并帮助彼此的集体思考行为。该配方也被团队视为研究集体智能与多智能体安全的实验方法。