一分钟看懂

  • 把多个大模型关进同一个工作区受训：General Reasoning 提出“集体奖励强化学习（RLCR）”（研究机构：General Reasoning（AI 基础研究实验室）；核心训练范式：集体奖励强化学习（RLCR, Reinforcement Learning from Collective Rewards））。
  • 不写一行角色提示词，120B 的 Avalon-M1-Mini 如何自发演化出“项目经理+测试员”层级（发布模型：Avalon-M1-Mini（1,200 亿参数多智能体协同大模型））。
  • 对多 Agent 编码系统的启发：用共享消息黑板与独立验证员切断幻觉传染（自发涌现现象：无需人工写角色剧本，模型自发形成组织层级、专职验证员与测试员分工）。

基本信息

研究机构General Reasoning（AI 基础研究实验室）
核心训练范式集体奖励强化学习（RLCR, Reinforcement Learning from Collective Rewards）
发布模型Avalon-M1-Mini（1,200 亿参数多智能体协同大模型）
自发涌现现象无需人工写角色剧本，模型自发形成组织层级、专职验证员与测试员分工
分类AI 前沿
作者 / 发布方General Reasoning
热度🔥 热度 19万
发布时间
数据更新

把多个大模型关进同一个工作区受训：General Reasoning 提出“集体奖励强化学习（RLCR）”

AI 研究机构 General Reasoning 提出了名为“集体奖励强化学习（RLCR）”的全新训练范式，并据此训练出 1200 亿参数的《Avalon-M1-Mini》模型：让多个智能体共享同一个消息板与工作区，像真实公司组织一样协同受训。

不写一行角色提示词，120B 的 Avalon-M1-Mini 如何自发演化出“项目经理+测试员”层级

研究发现，无需人工写死角色分工剧本，模型在集体奖励驱动下自发涌现出了清晰的组织层级与社会化分工——不仅会主动“招募”专门负责挑错的验证员与测试员智能体，还会在思维链里主动思考如何帮卡住的队友排障。

对多 Agent 编码系统的启发：用共享消息黑板与独立验证员切断幻觉传染

在设计多 Agent 协同编码系统时，可以直接借鉴 RLCR 的经验：用共享黑板（Message Board）代替单线传话，并单独设立只对最终质量负责的独立验证员 Agent。

常见问题

General Reasoning 集体奖励强化学习（RLCR）与 Avalon-M1-Mini 120B 模型的核心事实与关键背景是什么？

研究机构为General Reasoning（AI 基础研究实验室），核心训练范式为集体奖励强化学习（RLCR, Reinforcement Learning from Collective Rewards），发布模型为Avalon-M1-Mini（1,200 亿参数多智能体协同大模型）。研究发现，无需人工写死角色分工剧本，模型在集体奖励驱动下自发涌现出了清晰的组织层级与社会化分工——不仅会主动“招募”专门负责挑错的验证员与测试员智能体，还会在思维链里主动思考如何帮卡住的队友排障。

这次事件接下来有哪些后续影响值得关注？

自发涌现现象为无需人工写角色剧本，模型自发形成组织层级、专职验证员与测试员分工。在设计多 Agent 协同编码系统时，可以直接借鉴 RLCR 的经验：用共享黑板（Message Board）代替单线传话，并单独设立只对最终质量负责的独立验证员 Agent。