Dwarkesh Patel：下一代AI，可能是干活干出来的

AIGC动态1小时前发布 almosthuman2014

40 0 0

文章摘要

硅谷科技播客主持人Dwarkesh Patel深入探讨了AI下一代训练范式的演进方向。当前前沿AI实验室主要押注可验证奖励强化学习，该范式在代码、数学等具备可重复验证及大规模复制特性的任务中取得了显著进展。然而，真实世界的复杂任务因反馈缓慢、环境不可重置且无法大规模并行试错，难以直接套用现有的可验证任务训练模式。

为了突破现有瓶颈，下一代训练范式的关键在于将学习成果固化到模型底层。当前大模型擅长上下文学习，但这仅能实现会话内的临时适应，无法将部署后积累的真实经验转化为长期能力，导致高价值训练信号严重流失。因此，必须通过特定机制把真实环境中的经验重新写回模型权重，从而实现能力的持续增长与沉淀。

在具体技术路径上，业内提出了两种极具潜力的演进方向。其一是在线策略自蒸馏，即利用模型在长上下文交互中积累的丰富经验作为指导，将提炼出的关键洞见蒸馏回基础模型的权重中，从而提供比传统强化学习更密集且精准的监督信号。其二是梦境模拟，智能体可基于真实世界的观察构造专属的模拟环境，通过内部推演和策略试错来强化有效行为，这有望拓展出全新的计算扩展轴。

未来的人工智能发展将逐渐从发布前的静态训练走向发布后的动态学习，核心驱动力也将从依赖人类标注数据转向汲取环境互动经验。通过在真实世界中执行复杂任务并持续吸收反馈，AI的能力边界将彻底突破预设的可验证任务限制，最终实现向组织管理、商业运营以及科学研究等更广阔现实领域的深度泛化与进化。