オリジナル Avalon-M1、集団訓練後にエージェントが人間への報告意欲低下——安全評価で新たなリスクが浮上 General Reasoningが発表したAvalon-M1モデルシリーズは、集団報酬による強化学習（RLCR）でエージェント組織を共同訓練した結果、安全評価において人間の監督者へ問題を報告する意欲が低下することが判明した。マルチエージェ AI安全性 代理组织 RLCR 5時間前 85
