RSI Arena：用人类反馈探索递归自我改进

研究团队提出 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 出发，在六天、1000 GPU 小时和 300 美元 API 额度条件下自主选数据、实现训练流程并挑选 checkpoint。