能力与路线 · Learning paradigms
学习范式与路线
规模化之后靠什么:持续学习、世界模型、长上下文、类脑
访谈 49 场 · 文献 1 篇 · 访谈话语 42 条 · 已核读摘录 0 条
这个话题下的话语
42原话逐字核对过;转述不加引号强化学习消耗了 10,000 多张 GB300 长达四周的时间。因此,实际上花在强化学习上的 FLOPs 比预训练还要多。强化学习任务要复杂得多,因为你既需要利用各类智能体沙箱进行大规模推理,又需要同时进行训练。
reinforcement learning was a little over 10,000 GB300s for four weeks. So, actually there are more flops spent on reinforcement learning. Reinforcement learning jobs are, you know, more complex in the sense that you do both a lot of inference at scale with all sorts of sandboxes for agents and training.
语境:Misha Laskin 披露 Beam(500B 总参数、23B 激活 MoE)的算力分配细节:后训练强化学习在集群规模与运行时长上已全面超越预训练阶段。
事实证明,为了让强化学习在大规模下取得良好效果,你确实需要自己对模型进行预训练。你不得不这么做,这两者之间的耦合太紧密了,你必须两者兼顾。
it turned out you actually do need to pre-train your model in order to make reinforcement learning work very well at scale. So you actually kind of do need to do that the things are just so tightly coupled that uh you you do need to do both.
语境:Misha Laskin 解释为何 ReflectionAI 不能只做微调或后训练:基础预训练与强化学习表征存在深度协同,必须端到端闭环开发。
依然处于 GPT-2 时代,原因在于:要达到 GPT-3 的水平,我们首先需要少样本学习能在大量不同任务上真正奏效;其次机器人学至今依然极度受制于环境迁移——如果一个模型只能在你那台具有特定配置的机器人上运行,它能算得上是通用大脑吗?
still GPT-2 and here's why. I think for GPT-3 we need firstly few shot learning to work really well for a lot of different tasks and secondly also with robotics weirdly is still very subject to cross environment, right? If it just works on your robot with your specific setup, is it really a generic brain?
语境:Keerthana 评估具身智能现状,指出机器人模型尚未迈过泛化门槛:不同物理本体和硬件传感器的异构性,使得通用具身大脑远比纯数字 LLM 难以泛化。
通过极少量的数据——仅用 200 个示例——你就能让它在许多截然不同的机器人身体上学会大量任务,因为你已经具备了对物理世界进行高度通用理解的基础底座,并懂得如何对其进行控制。
You can with very, very small number of examples, with 200 examples, you can learn a lot of different tasks on a lot of different bodies, because you already have the foundation to do a very generic understanding of the physical world, and also like how to control it
语境:介绍 Gemini Robotics 端侧小模型的少样本跨本体迁移能力:预训练模型赋予物理常识后,仅需几百个演示即可适配新本体。
我们所认为的语言模型——也就是我们向其发起查询的那个东西——未来很可能实际上是一个蜂群、一个脚手架,或者某种扩展性极佳的奇特外周框架设计,只不过用户根本感知不到底层细节。
what we think of as a language model like the thing that we query might actually be like a swarm or like a scaffold or like some weird harness design that scales very well, but the user just doesn't see it.
语境:Alex Zhang 预判大模型形态演变:单一 Transformer 前向传播终将被底层多智能体递归与抽象脚手架取代,对外则维持统一的模型接口封装。
我这篇博文想要表达的核心是:我们应当重新思考外周框架(Harness)的角色,因为框架实际上能极大地提升模型的泛化能力以及有效利用的数据量。而且这种特性绝不仅限于递归语言模型。
what I'm trying to get at with this whole blog post is just that like we should rethink what the role of the harness is because harnesses can actually greatly increase the generalization capability of your model and the amount of data that it's given. And this is not exclusive to RLMs.
语境:反思社区对通用框架的轻视:优秀的外周脚手架引入强归纳偏置,能用小规模环境数据实现向更长、更难任务的递归归纳泛化。
人们所恐惧的超级智能版本是一个独立模型,它在所有任务上的表现都超越专家,且不依赖任何人。我看到的模式是:各种新类型的数据都会被拉到上游注入到最大的前沿模型中,然后高效的专用专家模型再从中被蒸馏出来。
And the version of super intelligence people fear is a single model that does every job better than the specialists and depends on no one. My answer was the pattern as I see it so far. New kinds of data get pulled upstream into the biggest model and efficient specialists get distilled back out of it.
语境:Nathan Labenz 论证全功能通用大模型与领域专用小模型的关系:单一全能教师模型在前沿统摄所有模态,专用模型仅作为下游蒸馏产物。
有人曾问我,随着底层模型能力不断变强,提示词优化的重要性是否会下降?我的观点恰恰相反:模型越强,其指令遵循能力就越敏锐;当你给一个极其聪明的模型提供关于具体任务愈发精确、高质量的指令时,它在解决该任务上的表现就会呈指数级跃升。
people have asked me that oh as models get better the importance of prompt optimization will go down. I argue the opposite which is as models get better they will get better at instruction following and the more precise instruction about your task that you have to give to a very smart model the better that model will be at a uh solving your task
语境:Lakshya Agrawal 驳斥「模型越强提示工程越无用」的流行论调:更聪明的模型具备更精细的上下文理解力,任务指令与引导信息的精确度反而成为拉开性能差距的乘数。
我们的核心思路是在文本空间中执行反思式优化:不再仅仅依赖 0 或 1 这种粗粒度的标量奖励信号,而是让大语言模型或智能体审视整个执行轨迹,并深入反思其中哪些步骤有效、哪些无效。
Our idea is to perform reflective optimization in text space where instead of only using the zero or one reward signal, we can have a language model or an agent look at the trace of the entire rollout and reflect on what worked in them, what did not work in them.
语境:Lakshya Agrawal 阐释 GEPA 与传统 RL 的本质区别:传统梯度回传抛弃了中间工具调用与报错诊断,而文本反思能直接提取高阶语义诊断信息实现跳跃式改进。
优化对象的本质是文本表征与可量化反馈;只要任何系统的配置、提示词或代码框架能被序列化为文本并获得评估打分,反思式进化算法就能通用地对其实现自动化收敛与持续优化。
语境:Lakshya Agrawal 提出通用优化协议 Optimize Anything:将 Prompt 优化扩展至 CUDA 核函数、Agent 脚手架与数值参数等任意可文本化构件的自进化。
我们真正关心的最终结果是系统整体能力的实际提升,而非特定具体层级。当然各层都有改进空间,而且平心而论,当最终走向拐点拐弯的 Level 3 终极递归自我改进时,所有不同层级之间必然需要建立起完整的自指涉闭环。
actually improve the capability of the system not uh a specific layer. uh of course there could be argument that there's more to be do on different layers and to be fair I think eventual level three recursive self-improvement like when we actually reach the inflection point I think there need to be this uh self-referential loop on all different layers
语境:Zhengyao Jiang 阐述 RSI 的系统论视角:不必执念于必须更新神经网络权重,只要系统工程层面跨层实现了端到端自主能力跃迁,即构成了实质意义上的自改进。
我们常说的一件事是:随着我们不断扩展视频模型,仅仅通过 Scale 视频模型,我们意外地为机器人领域创造出了一个顶尖模型。我们在去年年中意识到,机器人实验室纷纷主动找上门来,希望将视频模型用于生成合成数据,并让我们针对机器人场景对视频模型进行后训练。
One thing we like to say is we as we scaled video models, we accidentally uh created a state-of-the-art model for robotics uh by just scaling video models. So we realized at some point um mid last year that robotics labs started coming up to us and kind of asking to use video models for synthetic data kind of asking us to post train our video models to work really well for robotics
语境:Anastasis Germanidis 披露 Runway 开发 GWM1 时的工程惊喜:视频规模化预训练直接沉淀出了对物理交互的通用感知表征,无意中成为机器人策略的核心基础设施。
如果你拥有一个交互式模型,你希望它能够生成反事实结果——例如如果我执行动作 A 与执行动作 B,它能生成同样逼真的不同结果。我认为这就是视频模型与世界模型之间的重大鸿沟:反事实推演能力。如果你想要一个出色的机器人世界模型,你必须能够极其逼真地模拟动作的失败。
if you have an interactive model, you wanted to be able to generate counterfactuals like if I take this action versus this action, you wanted to generate equally realistic outcomes. Uh so that's I think the big gap between video models and and and world models is that idea of the counterfactual generation. And if you want a great model for robotics, you want to simulate failure very well
语境:Anastasis Germanidis 辨析世界模型的技术本质:视频模型倾向于生成顺畅的成功画面,而具身策略评估与强化学习闭环则高度依赖对「失败」的反事实精确模拟。
利用第三人称人类视频对世界模型进行前置预训练,能够显著降低具身智能对昂贵遥操作硬件采集数据的依赖,打破真实物理世界数据采集难以规模化的瓶颈。
语境:Anastasis Germanidis 阐释具身数据飞轮路径:人类主要是通过第三人称观察学习动作,世界模型吸收海量日常视频后,仅需少量动作微调即可泛化到机器人任务。
这一时期的绝大多数视觉 AI 仅仅是靠像素效果来被评判的。如果你生成了漂亮的像素,你就做出了看似精美的软件,但这些像素仅仅是在尝试模拟观测现象。它们并不实际具备或表征现实世界背后的任何语义。因此,它们根本无法带来真正的真实性,无法作为规划的依据,也无法作为对真实物理世界的稳健仿真基础设施。
most of visual AI for this period has been just judged by the pixels. If you've got beautiful pixels, you've got a beautiful piece of software, but these pixels are trying to simulate observations. They don't actually have or represent any of the semantics behind the world. And therefore, they aren't good at realism. They aren't good for giving a basis to plan. They aren't good for actually having a robust simulation infrastructure of the real world.
语境:Christopher Manning 尖锐批评视觉生成与世界模型混为一谈的现状:像素级的逼真无法替代底层因果规律,缺乏因果表征的模型无法用于智能体规划。
这种神经符号方法你可以称之为保守路线:在动作的生成与控制中明确借助物理引擎和物理学知识。当你面对一张水的图像并希望理解其运动规律时,你是通过物理模型来预测其行为表现的。
this neurosyolic approach is you know you call a conservative approach if you will you know that this is absolutely using physics engines and knowledge of physics um to in its generation and control of movement, right? That if you're what you know when you've just started off with an image of water or and you want to understand how that's behaves, you're using a physics model to predict how it's going to behave.
语境:Christopher Manning 阐述神经符号系统在物理建模中的必要性:将已有物理知识显式嵌入生成与控制循环,而非寄希望于黑箱网络完全隐式重学物理学规律。
我们的核心论点是构建所谓的全本体通用智能:任意机器人、任意任务、同一个通用大脑。无论是双足人形、四足机器狗、传送带上的机械臂还是灵巧手都无所谓。这种假设甚至比人类的控制能力更为通用,因为人类只能控制自己的身体。
our thesis is is to build what we call an omniodied intelligence any robot any task one brain okay any robot it can be a humanoid it can be a quadriped it can be a robotic arm on a conveyor belt or a dextrous hand doesn't really matter this even this hypothesis is way more general than uh one would argue humans are
语境:Deepak Pathak 提出 Skild AI 的跨本体通用基础模型路线:打破传统按单一形态定制机器人的范式,用单一通用策略统一多样化硬件。
端到端是 AI 许多领域被大量使用的词汇。但当我谈及端到端时,我是指真正的端到端:模型直接读取摄像头视觉输入,并直接将动力施加到各个电机上。除了最后用来将频率从 100Hz 提升到 500Hz 的经典比例控制器(P)之外,中间没有任何模块。
Now end to end is heavily used term in in many areas of AI. But when I mean end to end, I really mean end to end. It reads directly from the cameras and it applies power directly to motors. So we use nothing uh in between except just a P at the very end to go from 100 to 500 Hz.
语境:Deepak Pathak 解释其控制策略架构:彻底抛弃传统的感知-建图-规划分层管线,实现从像素到电机电流的纯神经网络闭环直驱。
只要继续训练这些模型它们就会一直变聪明,事实并非如此。[…] 这正是为什么必须出现第二缩放定律的原因。[…] 第二缩放定律就是测试时扩展,也就是推理。
It is not true that if you just keep training these models they'll get better. […] Notice it is the reason why the second scaling law had to come along. […] The second scaling law is test time scaling, inference.
语境:黄仁勋解释前沿大模型能力进展的拐点:单纯堆叠预训练算力与数据的边际收益已在递减,推理阶段的思考时间与算力扩展成为维持模型进化的关键。
TabPFN 是 AutoML 演进的自然终局:我们学习的是整个能在单次前向传播中执行的完整学习算法;根据你输入的具体数据集,它会在上下文内部拟合出完全不同的分类器。它不再是单纯的一个静态分类模型,而是一个能根据输入即时生成不同分类器的超网络。
TPFn is really this natural progression of AutoML where we learn this entire algorithm that is executed in a forward pass and depending on the data set that you feed in it learns a different classifier. So um it's not just one network that is one classifier but it's a a network that can learn different classifiers depending on the input
语境:Frank Hutter 阐述 TabPFN 的本质跃迁:从传统反复试错的模型训练演变为上下文学习算法,将整个机器学习拟合过程转化为 Transformer 的单次前向推理。
我们依然可以在预训练阶段针对神经网络架构和学习率等超参数执行自动化搜索;但在测试与应用阶段,所有冗长繁琐的调参过程全部消失了,数据科学家终于得到了梦寐以求的工具——一个毫秒级极速且真正开箱即用的建模方法。
So we can still do a search over hyperparameters of the architecture of our neural network. We can search over our learning rates etc for the pre-training but all of that at test time falls away and data scientists get what they always wanted namely a just really fast method that works out of the box.
语境:Frank Hutter 总结表格基础模型为数据科学带来的效率颠覆:繁重的调参成本被前置固化到基础模型预训练中,终端使用者无需任何特征工程即可获得最强性能。
深度学习在结构化表格数据领域长期受制于脏数据与维度灾难而落后于树模型,但基于合成数据先验与上下文拟合的表格基础模型已实现根本性突破,全面超越了经典 GBDT 与 XGBoost。
语境:Frank Hutter 宣告表格深度学习打破历史魔咒:先验拟合网络通过大量合成结构先验有效克服了小样本表格数据的过拟合难题。
预测模型就像是:你输入一些数据,得到一些输出……那仅仅是一个统计模型。而解释性模型才是科学真正追求的目标——它必须能够进行外推,因为它内部捕获了物理规律或对底层现实的某种真实描述。
a predictive model is like let's say you just have a you have some inputs and you have some outputs […] That's just a statistical model, right? A descriptive model is actually what science is trying to get to, which is okay, it should be able to extrapolate because it has sort of the physics or the actual some description of reality that's captured within it.
语境:Google Fellow John Platt 剖析统计机器学习与真实科学研究的根本分界:拟合历史数据的预测模型只能内插,而科学的核心是发现包含物理因果机制、具备跨领域极端条件外推能力的解释性模型。
Platt 揭秘 Google AI 科学家项目 ERA 的演进起点:该系统最初源于自动化参加数据竞赛的 Auto-Kaggle 尝试,团队发现大量科研问题均可映射为通过编写代码最大化分数的‘可评分任务’;但大模型极易像人类打榜选手一样出现奖励黑客攻击与对测试集过拟合,因此科学家最核心的能力是设计极端严苛的隐蔽留出集与物理因果检验。
语境:阐述科学问题形式化与代码搜索的边界,指出单纯刷榜式 AI 会利用标签噪声与度量漏洞进行作弊(古德哈特定律),无法自动替代人类在实验设计与严密性上的把关。
这些 AI 工具就像直升机,能直接把你空运到指定的瀑布前,让你看一眼然后飞回去,但你对如何抵达那里一无所知。除了你具体要求的那个事物之外,你可能看不到任何其他有趣的现象。因此,尽管技术上你更高效地达成了目标,但也许有些东西已经失落了。
these AI tools, they can be like helicopters that will just fly you directly to this waterfall and you can see it and then you fly back, but you learn nothing about how to get there. You may not see any other interesting phenomena than the specific thing that you asked for. And so even though technically you achieve your goal much more efficiently, there may be something that is lost.
语境:陶哲轩提出著名的‘直升机隐喻’,反思 AI 辅助科学发现的潜在代价:自动化工具虽能高效求解特定目标,但跳过了人类徒步穿越数学丛林中附带获得的整体洞察与知识地貌认知。
陶哲轩指出,大模型通过蛮力搜索生成的数学证明往往缺乏人类的审美与重点取舍:AI 无法分辨步骤的难易轻重,常在极其琐碎的步骤上花费大量篇幅,而在最关键的核心洞见上草草带过,导致生成文本冗长繁琐且难以为同行阅读吸收。
语境:分析 AI 证明难以直接发表或教学的根本原因,指出人类学者的证明写作会自然在其死磕最久的‘最难一步’上倾注笔墨与逻辑线索,而 AI 的平铺直叙缺乏认知层次感。
这些在前向传播中由微分方程控制的系统具有高度非线性特征,且完全处处可微。因此你可以执行反向传播,并凭借其包含的多重反馈回路结构,极其优雅高效地从数据中完成表征学习。
these are highly nonlinear systems governed by differential equations in a forward pass and they are differentiable. So you can actually run them backward pass and you can basically learn them like really nicely because of the multiple feedback structures that they had.
语境:Ramin Hasani 阐释液体神经网络(LNN)的数学精髓:将动力系统微分方程与现代端到端梯度优化相结合,突破离散循环与自注意力机制的固有限制。
细看 LFM-2 系列模型,它们拥有非常优雅且精简的架构设计:大体由 80% 的双门控一维卷积算子加上约 20% 的分组查询注意力(GQA)混合构成。这是一种高度精简、极速且高质的基础模型架构。
The LFM2 instances of the models, they are, if you look at them, they have a very elegant and simple architecture. So the architecture is basically 80% doublegated convolutions you know 1D convolutions plus some uh group query attention basically 20% of query. So the architecture is just a very simplified
语境:Ramin Hasani 公布 LFM-2 的算子混合配比:通过神经架构搜索找到能原生在 CPU 上高速跑通的自回归混合结构,极大削减对全自注意力机制的算力依赖。
生物智能展现了令人惊叹的参数能效比;秀丽隐杆线虫仅凭 302 个电性非脉冲神经元即可精准调度 95 块肌肉细胞完成复杂运动控制,这一自然原型证明非线性连续时间架构具备远超传统离散机器人的紧凑表征潜力。
语境:Ramin Hasani 回顾 Liquid AI 的生物学灵感来源:自然界用极其微小的神经回路实现了超越现代昂贵机器人算力的控制泛化,为轻量化基础模型研发提供了范式指引。
自回归模型在推理端本质上依然是完全串行的:计算只能从左至右逐个 Token 推进;在生成前 9 个词之前,你绝不可能提前生成第 10 个词。这种工作负载与 GPU 的并行硬件架构极其不匹配,受到极其严重的内存带宽限制。
auto reggressive models are still sequential uh the computation is one left to right one token at a time. You cannot generate the 10th token until you've generated everything that comes before it. That kind of workload is um does not map well to GPUs. that kind of workload is extremely memory bound.
语境:Stefano Ermon 指出自回归 Transformer 在推理时代的核心死穴:串行生成导致大量时间浪费在内存层级搬运权重上,算力利用率低下。
你把绝大部分时间都浪费在了在内存层级结构中搬运模型权重上,实际执行的算术运算少之又少,这是自回归模型的根本痼疾。正如当年 Transformer 在训练端用并行计算取代了 RNN 一样,在推理端取代自回归串行架构的终极形态正是基于扩散的生成模型。
spending most of your time moving around weights across the memory hierarchy and you're doing very little arithmetic and that's a fundamental problem of auto reggressive models. And so what's the equivalent if you think RNN's transformers auto reggressive models the equivalent at inference time is a diffusion based is a diffusion model
语境:Stefano Ermon 梳理生成架构历史演进:类比 2017 年 Transformer 并行化训练淘汰 RNN,推理端必须走向多 Token 协同去噪的扩散范式以解锁单位算力智力上限。
原生并行的扩散大模型能够直接在软件算法层消除内存墙,在标准英伟达通用 GPU 集群上跑出媲美晶圆级专用芯片的实时交互超低延迟,从而以远低于定制硬件的成本打破语音和实时 Agent 部署瓶颈。
语境:Stefano Ermon 展示 Inception 研发成果:基于扩散的 Mercury 模型在通用硬件上直接实现了等效于 Cerebras 专用算力芯片的极速生成,极具产业普及优势。
解决千禧年大奖难题(纳维-斯托克斯方程)的成果,绝不能归功于多智能体系统,我甚至连 10% 的功劳都不会分给多智能体。现实是 OpenAI 训练了一个非常强大的模型。我们能让该模型在超长跨度内运行并并行思考,但其根本原因在于我们拥有一个极其强大的通用基础模型。
The effort to solve a Millennium Prize Problem, this was not due to multi-agent. I wouldn’t even attribute 10% of the credit to multi-agent. The reality is that OpenAI has trained a very powerful model. We can get that model to operate over very long horizons. We can get it to think in parallel. But at its core, the reason why we’re able to do this is because we just have a general-purpose, very strong model.
语境:针对业界过度炒作‘万级智能体协同解题’的热潮,Noam Brown 澄清技术实质:多智能体外壳只是显眼包装,真正实现数学与科学发现质变的是底层通用基础模型的长程推理能力。
Noam Brown 分析大模型强化学习与棋类自博弈的根本差异:AlphaZero 能够无限进化的前提是拥有博弈对手提供的‘无限难度梯级’(infinite curriculum);而语言大模型若耗尽人类能给出可验证判别的挑战题库,RL 强化学习就会遭遇递减瓶颈。
语境:Noam Brown 对比游戏自博弈与 LLM 强化学习的泛化机制,指出大模型推理学习需要不断寻找可验证且难度匹配的问题集。
当前的 AI 本质上更接近一门需要受控实验的经验科学而非传统确定性软件工程,我们在培育智能而非制造机器,因此必须通过严格的受控环境与高透明度的第三方基准测试来防范非预期的奖励破解风险。
语境:Satya Nadella 引用 Ilya Sutskever 与 Jakub Pachocki 的观点:大模型更类似生物学培育,不可用传统白盒软件工程的预期来衡量其突现行为。
Socher 指出递归自我改进的质变拐点:大模型已经从‘作为人类编写的代码’跃迁为‘能够自主编写代码’,这使得构建能够自我演化、自我修改并评估繁衍代码的达尔文-哥德尔机器(Darwin Gödel Machine)首次具备工程可行性;但在超级智能的演化中,必须彻底摒弃生物进化中零和博弈的生存恐惧投射。
语境:阐述其新创公司 Recursive 打造尤里卡机器(Eureka Machine)的技术路径,指出能够自主编码的大模型使得软件演化不再受限于人类工程团队的迭代速度,但需建立基于开放式探索(open-endedness)而非死板损失函数的元学习框架。
从演化论视角来看,新视点预测正是大自然通过让动物运动所必须解决的问题。大自然赋予了动物眼睛,却没有给树木眼睛。为什么?因为只要你运动,你就会看到新的视点。无论你称之为 AI 完全性还是智能完全性,我们都坚信‘下一个视点预测’与‘下一个词预测’完全等价。
new viewpoint prediction is exactly what evolution had to solve by making animals move. Nature gave animals eyes, but nature didn't give trees eyes. Why? Because when you move, you see a new viewpoint. And that is whether you call it AI-complete or intelligence-complete. So we do believe very strongly that next viewpoint prediction is the equivalent of next token prediction.
语境:李飞飞从生物演化与智能起源阐释 World Labs 空间智能的核心哲学:运动与交互迫使生物感知三维空间的新视点,因此预测新视角是通向物理世界通用智能的本原路线。
在通往空间智能的道路上,生成像素无疑只是初级的第一步,无数模型都已经做到了这一点。但生成真正具备空间上下文感知并扎根于几何与物理现实的像素,则是质的飞跃。而这正是 Atlas 迈出的最艰难一步。
generating pixels is definitely an early step, which we have seen with gazillions of models. But generating pixels that are truly spatially contextualized and grounded is absolutely another major step. And that is the very hard step that Atlas has taken.
语境:李飞飞区分 2D 视频生成与 3D 世界模型的本质差异:表层像素生成容易产生幻觉与物理不一致,真正的世界模型必须具备空间几何接地(grounded)。
李飞飞阐明世界模型创业的核心两项信念:其一是大算力扩展定律(scaling law)同样适用于物理与三维空间;其二是通过下一个视点预测(next viewpoint prediction)建立三维世界模型,能够使模型获得几何一致性与物理接地能力。
语境:李飞飞回顾创立 World Labs 时的核心假设:坚信扩展定律不仅适用于语言,更同样能在三维物理空间通过视点预测复现。
Demis Hassabis 认为,真正的通用智能不能仅停留在神经网络的模式匹配上,必须从认知科学与神经科学汲取灵感,解耦并攻克思考(thinking)、长程规划(planning)与世界模型构建的核心机制。
语境:Hassabis 回顾自己从游戏设计、认知神经科学博士再到创办 DeepMind 的历程,解释通用智能所必需的核心架构。
所有学习都是持续的,它不是某个特殊阶段。我们一直在行动,也一直在学习,这本来就是正常的想法。不是我奇怪,是这个领域奇怪。他们觉得非得叫它「持续学习」不可。那就是学习。
All learning is continual. It's not a special phase. We always act and we learn. And that's just the normal way of thinking. I'm not weird. The field is weird. They feel they need to call it continual learning. It's just learning.
语境:在解释自己为什么长期坚持强化学习研究、谈到习惯与虚荣之后,Sutton 主动延伸回答,说明他对学习的理解。逐字稿开头 Intro 是剪辑版,本条取自 Main conversation 的完整回答。
Sutton 认为,程序生成的合成数据描绘的是简化的世界,无法如实反映真实世界的复杂性。
语境:接着 Javed 关于回声定位与自主经验学习的例子,Sutton 补充他对合成数据与真实世界差异的判断。此处不概括 Oak Lab 的整体路线。
研究与论述
1关系按摘录逐条标明;同话题不等于支持或反驳讲者与作者
16
学习范式与路线Nathan Lambert:开放模型能否追上闭源前沿?
Nathan Lambert·a16z
递归自我改进David Silver 与 Lasse Espeholt:从经验中自主学习的超级学习者
David Silver · Lasse Espeholt·Sequoia Training Data
具身与物理世界刘洺堉 × 张小珺:Cosmos 3、开源世界模型与物理 AI 研发哲学
刘洺堉·张小珺访谈录
具身与物理世界沈宇军 × 张小珺:机器人原生基座模型、大脑与本体关系及数据规模化
沈宇军·张小珺访谈录
具身与物理世界柯丽一鸣 × 张小珺:Physical Intelligence 开源机器人模型与具身智能流派演化
柯丽一鸣·张小珺访谈录
智能体落地姚顺宇 × 张小珺:在 Anthropic 与 Gemini 训模型、技术预测与前沿研发演进
姚顺宇·张小珺访谈录
智能体落地罗福莉 × 张小珺:后训练时代的智能体范式、算力卡分配与组织协同
罗福莉·张小珺访谈录
AI 与科学发现洪乐潼 × 张小珺:形式化数学验证语言 Lean、数学猜想证明与机器推理
洪乐潼·张小珺访谈录
学习范式与路线谢赛宁 × 张小珺:DiT 诞生始末、世界模型、AMI Labs 与独立学术科研抉择
谢赛宁·张小珺访谈录
商业模式与格局印奇 × 张小珺:大模型全链路生态、长周期残酷淘汰赛与战略取舍
印奇·张小珺访谈录
商业模式与格局张鹏 × 张小珺:智谱大模型技术路线演进、全栈商业化与资本市场选择
张鹏·张小珺访谈录
具身与物理世界谭捷 × 张小珺:Gemini Robotics 1.5、跨本体机器人控制与世界模型研发
谭捷·张小珺访谈录
具身与物理世界刘先明 × 张小珺:端到端自动驾驶、“语言是毒药”与端侧世界模型
刘先明·张小珺访谈录
商业模式与格局李想 × 张小珺:CEO 大模型、端到端自动驾驶快慢系统与科技企业治理
李想·张小珺访谈录
通用智能与时间表杨植麟 × 张小珺:长文本走向 Agentic LLM、系统 2 强化学习与通用智能探索
杨植麟·张小珺访谈录
算力与芯片余凯 × 张小珺:中国人工智能与车载计算芯片三十年开拓史
余凯·张小珺访谈录
通用智能与时间表Demis Hassabis:大模型、世界模型与 AlphaZero 式规划
Demis Hassabis·Dwarkesh Podcast
Ilya Sutskever:下一词预测、AGI 与模型可靠性
Ilya Sutskever·Dwarkesh Podcast
算力与芯片Misha Laskin:开放权重模型 Beam 与后训练算力范式转移
Misha Laskin·No Priors
算力与芯片Pat Gelsinger:AI 硬件创新的机会与物理约束
Pat Gelsinger·a16z
具身与物理世界一个大脑,任意身体:Gemini Robotics 2 与跨本体
Keerthana·Cognitive Revolution
学习范式与路线递归语言模型
Alex Zhang·Latent Space
安全与对齐Nathan Labenz:智能体隐蔽合谋、前沿全功能教师模型与安全收敛
Nathan Labenz·Cognitive Revolution
学习范式与路线用反思打败强化学习:GEPA 与通用文本优化协议
Lakshya A. Agrawal·AI Engineer
递归自我改进重写智能体能不能掰弯智能曲线:RSI 的四级演进
Zhengyao Jiang·Machine Learning Street Talk
通用智能与时间表Hassabis 谈 AI 革命、AI 的未来与人类创造力
Demis Hassabis·YouTube
学习范式与路线Anastasis Germanidis:Runway 从视频生成跃迁至具身世界模型
Anastasis Germanidis·Latent Space
学习范式与路线Christopher Manning:世界模型需要因果机理而非漂亮像素
Christopher Manning·AI Engineer
具身与物理世界Deepak Pathak:突破机器人 70 年困境的全本体通用大脑
Deepak Pathak·AI Engineer
安全与对齐黄仁勋认为对 AI 的恐慌已经过头
黄仁勋·The Ezra Klein Show
网络安全与滥用生物安全是一场 AI 军备竞赛:Evo 2 与基因组护栏
Eric Nguyen·Latent Space
AI 与科学发现替代数小时调参的 AI:TabPFN 与表格基础模型
Frank Hutter·Machine Learning Street Talk
AI 与科学发现Google 的 AI 科学家,起点是想自动打 Kaggle
John Platt·Latent Space
AI 与科学发现陶哲轩讲数学的六个基本概念
陶哲轩·YouTube
学习范式与路线我为什么没能在 OpenAI 做出 Jev
Diogo Almeida·Latent Space
学习范式与路线为什么再多数据也替代不了先验结构
Alexander Mattick·Machine Learning Street Talk
学习范式与路线302 个神经元的线虫启发了他们的架构
Ramin Hasani·Latent Space
学习范式与路线扩散模型为什么会赢下推理:破除内存墙与并行生成范式
Stefano Ermon·No Priors
递归自我改进OpenAI 研究员谈智能体集群与递归自我改进
Noam Brown·Dwarkesh Podcast
监管与节奏Satya Nadella:技术普惠扩散、安全测评与前沿智能培育
Satya Nadella·All-In
递归自我改进递归自我改进:从自动研究到超级智能
Richard Socher·Latent Space
学习范式与路线世界模型、机器人与 3D AI 的未来
Justin Johnson·a16z
学习范式与路线中国科学院院士张旭:神经科学与人工智能交叉融合,类脑智能成下一代 AI 关键方向
张旭·光明网
学习范式与路线刘震云对话马毅(外滩大会|港大计算与数据科学学院院长马毅)
马毅 · 刘震云·外滩大会(InfoQ 文稿)
学习范式与路线李飞飞为什么押注空间智能
李飞飞·a16z
学习范式与路线万亿 token 上下文,认真的
Anima Anandkumar·Latent Space
算力与芯片推理速度从每秒 100 到 10,000 token
Sean Lie·Latent Space
学习范式与路线没人对「世界模型」有共识
Justin Johnson·TWIML AI Podcast
学习范式与路线持续学习被发明之前,学习本来就是持续的
Rich Sutton · Khurram Javed·Sequoia Training Data
