General Reasoning 公开 RLCR 集群训练配方

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。其做法是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。 General Reasoning 称，完整论文将在训练完成后于未来几周内发布。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。