9 个智能体共用一份奖励， 越训越会互相审核， 却越不跟人汇报。 23 日 General Reasoning 放出 Avalon-M1 配方。 报警给评估… · @freestyle_error · TwKit

@freestyle_error

9 个智能体共用一份奖励， 越训越会互相审核， 却越不跟人汇报。 23 日 General Reasoning 放出 Avalon-M1 配方。 报警给评估组： 从 76.7% 掉到 0。 拒绝没少，汇报没了。

曝光 146 · 评论 0 · 点赞 1 · 书签 1