General Reasoning发布群体奖励训练配方

General Reasoning发布群体奖励强化学习（RLCR）配方，让多个AI智能体共享消息板和工作区，并以团队整体获得统一奖励的方式训练Avalon-M1-Mini（120B）模型系列。 实验中的智能体形成自组织层级，出现验证与测试分工，以及更多考虑并帮助彼此的集体思考行为。团队将RLCR视为研究集体智能与多智能体安全的实验方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。