# RSI Arena 递归自我改进竞技场

RSI Arena 把语言模型的后训练交给十个前沿模型自主完成：每个智能体从同一个 300 亿参数基座出发，在六天、1000 GPU 小时预算内自选数据、自写训练代码并提名检查点。十个智能体都产出了可用助手，其中 GPT-6 Astra 训练的模型在 12 项能力基准上中位数追平基座到 NVIDIA Instruct 差距的 76%；在控制回答长度与格式后，其人类偏好评分与 NVIDIA Instruct 持平（1095 对 1094）。第二阶段把各自模型的盲测对战记录交回智能体，十个模型中有八个相对 NVIDIA Instruct 的风格校正评分改善，但基准提升有限，且与偏好提升没有明显关联。

RSI Arena 把语言模型的后训练交给十个前沿模型自主完成：每个智能体从同一个 300 亿参数基座出发，在六天、1000 GPU 小时预算内自选数据、自写训练代码并提名检查点。十个智能体都产出了可用助手，其中 GPT-6 Astra 训练的模型在 12 项能力基准上中位数追平基座到 NVIDIA Instruct 差距的 76%；在控制回答长度与格式后，其人类偏好评分与 NVIDIA Instruct 持平（1095 对 1094）。第二阶段把各自模型的盲测对战记录交回智能体，十个模型中有八个相对 NVIDIA Instruct 的风格校正评分改善，但基准提升有限，且与偏好提升没有明显关联。