Astra 与 Sol 6.1 表现突进，多智能体 RL 与认知安全训练受关注

scaling01 分析 Astra 与 Sol 6.1 表现突出的潜在原因，包括所谓 dirty loopers 的常规推理能力普遍提升，以及面向认知安全（cogsec）的多智能体 RL 训练。其还推测 OpenAI 可能已针对各类博弈、消息板和网页场景建立 RL 环境，但相关解释并非定论。