Das Wichtigste in Kürze
- Modelle als Organisation trainieren: General Reasoning stellt „RLCR“ und „Avalon-M1-Mini“ (120B) vor (Forschungslabor: General Reasoning; Trainingsmethode: Reinforcement Learning from Collective Rewards (RLCR)).
- Ohne vorgegebene Rollen: Wie die Agenten selbstständig Prüfer- und Tester-Instanzen schufen (Modell: Avalon-M1-Mini (120 Milliarden Parameter)).
- Was Multi-Agenten-Systeme vom Prinzip aus gemeinsamem Message-Board und Verifizierern lernen können (Emergentes Verhalten: Bildet ohne feste Skripte eigene Hierarchien sowie Prüfer- und Tester-Rollen).
Kurzüberblick
| Forschungslabor | General Reasoning |
|---|---|
| Trainingsmethode | Reinforcement Learning from Collective Rewards (RLCR) |
| Modell | Avalon-M1-Mini (120 Milliarden Parameter) |
| Emergentes Verhalten | Bildet ohne feste Skripte eigene Hierarchien sowie Prüfer- und Tester-Rollen |
| Kategorie | KI & Modelle |
| Urheber | General Reasoning |
| Trend-Index | 🔥 196,5 Tsd. Trend-Index |
| Veröffentlicht | |
| Zuletzt aktualisiert |
Modelle als Organisation trainieren: General Reasoning stellt „RLCR“ und „Avalon-M1-Mini“ (120B) vor
Das Forschungslabor General Reasoning hat „Reinforcement Learning from Collective Rewards (RLCR)“ vorgestellt und damit das 120B-Modell „Avalon-M1-Mini“ trainiert, bei dem mehrere Agenten wie eine Organisation über ein gemeinsames Board zusammenarbeiten.
Ohne vorgegebene Rollen: Wie die Agenten selbstständig Prüfer- und Tester-Instanzen schufen
Ohne starr vorgegebene Rollen entwickelten die Agenten von selbst Arbeitsteilung, Hierarchien und eigene Prüfer-Instanzen, die den Fortschritt anderer Teammitglieder absichern.
Was Multi-Agenten-Systeme vom Prinzip aus gemeinsamem Message-Board und Verifizierern lernen können
Für eigene Multi-Agenten-Systeme empfiehlt sich das Muster aus gemeinsamem Message-Board und unabhängigen Verifikations-Agenten.
Häufige Fragen
Was sind die bestätigten Fakten und Hintergründe zu General Reasoning RLCR & Avalon-M1-Mini?
Forschungslabor: General Reasoning; Trainingsmethode: Reinforcement Learning from Collective Rewards (RLCR); Modell: Avalon-M1-Mini (120 Milliarden Parameter). Ohne starr vorgegebene Rollen entwickelten die Agenten von selbst Arbeitsteilung, Hierarchien und eigene Prüfer-Instanzen, die den Fortschritt anderer Teammitglieder absichern.
Welche Auswirkungen hat das und wie geht es weiter?
Emergentes Verhalten: Bildet ohne feste Skripte eigene Hierarchien sowie Prüfer- und Tester-Rollen. Für eigene Multi-Agenten-Systeme empfiehlt sich das Muster aus gemeinsamem Message-Board und unabhängigen Verifikations-Agenten.
