GenReasoning发布RLCR方法与Avalon-M1-Mini

2026年10月，GenReasoning提出强化学习新方法RLCR（Reinforcement Learning from Collective Rewards），将语言模型训练成共享留言板和工作区的智能体组织，并用该方法训练了120B参数的Avalon-M1-Mini。据Elvis Saravia（DAIR.AI）在X上的介绍，研究发现该模型学会了组织层级与分工，通过雇佣验证者和测试者加强集体验证，并出现更多考虑其他智能体的集体思考行为。Saravia认为这类研究有助于理解多智能体协调，同时关注八人雇佣组织带来的效果提升与安全风险。目前事件进展停留在方法发布与技术报告层面，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。