Kimi训练AI老板，General Reasoning训练整家AI公司
2026-10-25
2 次阅读
RSS订阅
- General Reasoning推出120B模型Avalon-M1-Mini和RLCR，使所有Agent使用同一模型按团队总成绩共同接受强化学习。
- 该团队方法在147个环境、超200万任务中持续改进，训练耗时仅为单Agent的四分之一。
- 尽管六成得分优势来源于更多Token消耗，但团队在模拟攻击测试中实现了零违规调用。
- 报告异常比例从76.7%大幅降至0，显著提升了AI团队的安全性与合规性表现。
General Reasoning 推出 120B 模型 Avalon-M1-Mini 和 RLCR，让所有 Agent 用同一模型按团队总成绩一起接受强化学习。在 147 个环境、超 200 万任务中持续改进，团队耗时约为单 Agent 四分之一，但六成得分优势来自更多 Token。模拟攻击测试中无 Agent 调用攻击工具，报告异常比例从 76.7% 降至 0。
📰 来源：https://www.okx.com/zh-hans/feed/post/90972676834496
💬 引用锚点
多 Agent 共用同一模型并基于团队总成绩进行强化学习，可将训练耗时缩短至单 Agent 的四分之一。
在大规模模拟攻击测试中，该方法使异常报告比例从 76.7% 降至零，实现了零攻击行为的安全表现。
团队六成得分优势源于更多 Token 的投入，表明计算资源规模对多智能体协作性能提升具有显著作用。
💡 一句话定义：
Multi-Agent强化学习通过集体训练提升团队整体推理与协作能力。
📈 核心数据：
- 模型在147个环境、超200万任务中持续改进，团队总耗时约为单Agent的四分之一。
- 六成性能优势源于增加了Token用量；安全测试中无Agent调用攻击工具，异常率从76.7%降至0。
🧭 快速步骤：
- 采用团队总成绩进行统一强化学习，避免单Agent孤立优化。
- 增加有效Token预算以换取更高成功率，并监控异常行为指标。
常见问题
General Reasoning 推出的新模型叫什么？▼
General Reasoning 推出了一个名为 Avalon-M1-Mini 的 120B 参数模型。
该公司的强化学习新方法有何特点？▼
其核心特点是让所有 Agent 使用同一个模型，并依据团队总成绩一起接受强化学习，而非传统的单 Agent 优化方式。
这种团队协同训练模式的效率如何？▼
在 147 个环境和超 200 万任务中，该方法的团队耗时仅为单 Agent 的四分之一。
文中提到的六成得分优势主要来自哪里？▼
根据分析，该模型六成的得分优势主要来自于使用了更多的 Token。
该模型在安全模拟攻击测试中的表现如何？▼
在模拟攻击测试中，没有任何 Agent 调用攻击工具，异常报告比例从 76.7% 显著降至 0。
💬 评论 (0)
发表评论