RLCR

General Reasoning报告Avalon-M1-Mini集体奖励训练结果及安全测试现象

动察 Beating AI 报道，General Reasoning以RLCR训练多智能体协作，在任务表现与估算耗时上取得改进。其模拟攻击测试中，异常上报实际执行比例随训练下降至0。