批模型架构 hype：持续学习受限于数据处理，世界模型非 AGI 必需
menhguin · x · 2026-08-29
一位开发者对当前 AI 模型架构热点提出批评：
- 持续学习：问题不在架构，而在数据预处理与整理。现有 LLM 数据流程已很糟糕，若将进化引入权重层（增加神经可塑性），对数据流水线的要求将严苛得多，容错率极低。相比之下，Scratchpad（草稿纸/思维链）具有可读性和可解释性，是更实际的调试手段。
- 世界模型：视频模型架构对 AGI 突破的必要性存疑。虽然人类依赖光子（视觉）输入，但这并不意味着当前的视频架构就是最优解。文本本身已足以建模世界，且当前 LLM 的能力实际上已超过普通大学毕业生。
「研究」频道最新
- MIT 揭秘：AI 群体无沟通也能演化技术 — ProfBuehlerMIT · 2026-08-29
- LAION 发布千万小时开源视频数据集 BVD — The Decoder · 2026-08-29
- RL 作用确凿，十家中企具备造 AGI 能力 — teortaxesTex · 2026-08-29
- MIT 发现无交流智能体可分工并建造永续技术 — ProfBuehlerMIT · 2026-08-29
- Karpathy 神经网络训练心法今日仍适用：错误可能长期潜伏 — iScienceLuvr · 2026-08-29
- TTPO：测试时策略优化让 LLM 无标签自我提升，Qwen3-1.7B 涨 7 分 — JFPuget · 2026-08-29