Nathan Lambert 在公开前文中，把 AI 工程进展与通用超级智能分开讨论。他认为训练、推理等工程环节中有不少容易验证的目标，适合让 Agent 反复尝试优化；一些质量不佳的强化学习环境也有明确的改进空间。随着执行研究的成本下降，好想法可能相对更重要。不过，工程工作变快，并不自动说明模型的性质已经根本改变，也不需要先接受“智能爆炸”才能认可这些收益。本期取得的是付费文章的公开部分，下文仅对应这部分论述。
持续追踪
持续追踪
Nathan Lambert 在公开前文中，把 AI 工程进展与通用超级智能分开讨论。他认为训练、推理等工程环节中有不少容易验证的目标，适合让 Agent 反复尝试优化；一些质量不佳的强化学习环境也有明确的改进空间。随着执行研究的成本下降，好想法可能相对更重要。不过，工程工作变快，并不自动说明模型的性质已经根本改变，也不需要先接受“智能爆炸”才能认可这些收益。本期取得的是付费文章的公开部分，下文仅对应这部分论述。