Beating'e göre, General Reasoning, RLCR (Kolektif Ödül Pekiştirme Öğrenimi) yaklaşımını tanıtan 120 milyar parametreli Avalon-M1-Mini modelini duyurdu. Bu yaklaşım, bireysel ajanlar yerine çoklu ajan ekiplerini eğitmektedir. Model, paylaşılan bir çalışma alanı ve mesaj panosu aracılığıyla işbirliği yapan 8'e kadar ajan çalışanı ile dağıtılmakta olup, tüm üyeler aynı model ağırlıklarını kullanmaktadır.
147 ortamda ve 2 milyondan fazla farklı görevde eğitilen yöntem, sürekli bir iyileşme göstermektedir. Yazılım mühendisliği görevlerinde, süpervizör alımı %0,4'ten %13'e yükselirken, akran incelemeleri yapan ekiplerin oranı %42'den %64'e çıkmıştır. Ana verimlilik kazancı: ekipler, tek ajanların yaklaşık dörtte biri kadar sürede karşılaştırılabilir puanlar elde etmektedir. Model şu anda eğitim aşamasındadır ve ekip, tamamlandığında eğitim ortamını, ajan çerçevesini ve model ağırlıklarını açık kaynak olarak paylaşmayı planlamaktadır.
