RSI Arena 论文发布：十个模型自主后训练基座模型

Yue Huang 等人在 arXiv 发布论文 2610.33624，提出 RSI Arena：让十个前沿模型作为训练智能体，各自从 NVIDIA Nemotron 3.5 Lightning 30B-A3B Base 起步，自主选择数据并训练模型，以研究自主后训练与递归自我改进。 该研究分两阶段：第一阶段中，每个智能体在共享的 64-GPU 集群上有 1,000 GPU 小时和 $300 API 额度，用六天完成训练；第二阶段中，各智能体拿到涉及自己模型的对比记录和投票，另有三天继续训练。研究团队在 20 个基准上并通过盲测人类评估来评估这些模型。

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。