如何训练智能体集群：General Reasoning 公开 RLCR 训练配方

General Reasoning 发布博客，介绍用集体奖励强化学习（RLCR）训练智能体集群的方法，并给出 Avalon-M1 的训练细节。文章提出用时间上限而非显式延迟惩罚施加延迟压力，配合直接消息、公共频道等通信原语，让智能体学会分工与协作。