持续学习或延长 RL 周期或可补齐短板
dylanbowmanSF · x · 2026-08-29
Dylan Bowman 回应上述观点，认为除了预训练规模外，应该有更多“下匝道”来解决问题。他提出“持续学习”可能是一种解法，或者单纯增加 RL（强化学习）的回合长度，最终也能消化掉那些模糊的非结构化问题。
所属事件:S 曲线之争：AI 进步能否持续堆叠新范式(16 条相关)→
「漫话AGI」频道最新
- 分析师警告:AI 冲击下 50 岁以下消费者 10 万亿美元债务是银行隐患 — churchkey · 2026-10-16
- 美国国家实验室科学家出题，AI agent 基准 Into the Unknown 发布 — Jeande_d · 2026-10-16
- 未来开会的将是彼此的 AI，没有 AI 代理的人将失去竞争力 — danfaggella · 2026-10-16
- 投资人预测:一年内模型全面强 2-3 倍、成本降 10 倍,token 用量涨 10-20 倍 — DeryaTR_ · 2026-10-16
- 研究员:AI 将替我们发现很多东西,但足球战术百年内依然精彩 — natanielruizg · 2026-10-16
- MIT 教授 Buehler：超级智能科研伙伴与可执行论文的 AI4Science 愿景 — CatAstro_Piyush · 2026-10-16