RSI 取代后训练科学家?斯坦福团队探索什么才算真正的进步

图 1|RSI Arena 直播画面:AI 智能体自主开展模型后训练,实验过程、训练曲线与算力消耗实时可见。参与实验的 10 个担任训练智能体角色的模型包括 GPT-6 Astra、DeepSeek V4.1 Flash、Kimi K3 等,所有智能体的训练对象均为 NVIDIA Nemotron 3.5 Lightning 30B-A3B 基础模型,全部训练任务都在同一个 64 GPU 集群上运行。第一阶段的训练时长为 6 天,每个智能体可使用的资源包括 1000 GPU 小时的算力和 300 美元的 API 额度,智能体需要自主完成数据选择、训练实现、评估开展以及模型提交的全流程工作,第一阶段的最终评估涵盖 20 项基准测试和人类盲测两个部分。

原文连接