RSI Arena：基于人类反馈的递归自我改进研究

RSI Arena 是一项关于AI智能体自主训练语言模型的两阶段研究，十种前沿模型作为训练代理，从NVIDIA Nemotron 3.5 Lightning 30B-A3B Base开始，在六天内独立选择数据、训练流程和检查点。