RSI Arena 两阶段实验：AI 智能体自主后训练

Yue Huang 等作者发布 RSI Arena 两阶段研究，考察 AI 智能体能否自主训练语言模型，并借助用户反馈进一步改进，作为迈向递归自我改进的一步。 第一阶段为期六天，每个智能体在共享的 64 块 GPU 集群上获得 1,000 GPU 小时和 300 美元 API 额度，自行选择数据、实施训练流程并挑选检查点。第二阶段，每个智能体收到涉及自己第一阶段模型的对比记录和投票，并额外获得三天继续训练。 报道未给出两阶段实验的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。