实体 RSI Arena

RSI Arena

PulseAugur coverage of RSI Arena — every cluster mentioning RSI Arena across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_324448 · Oct 27 · 04:00

新研究：AI 代理自主训练语言模型，利用人类反馈

一项名为 RSI Arena 的新研究，探索了 AI 代理利用人类反馈自主训练和改进语言模型的潜力。十个前沿模型，以 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 为起点，在六天内负责选择数据和实施训练程序。由 GPT-6 Astra 训练的最强模型表现出显著的改进，在各种基准测试中缩小了基础模型和指令模型之间的巨大差距，并获得了接近 NVIDIA Instruct 的人类偏好评分。第二阶段的训…