Ben Lorica:自改进 AI 的第一波红利是更便宜而非更聪明
bigdata · x · 2026-09-08
Gradient Flow 作者 Ben Lorica 撰文讨论「自改进 AI」的现状,主张区分三个层次:持续学习(经验让系统下次更好)、有界自改进(系统把经验转化为经过测试的持久变更)、递归自改进(RSI,改进产生改进的流程本身)。三者非阶梯关系,可独立存在。
核心论点:
- 自改进的第一波实际回报是更便宜的 AI,而非更聪明的 AI:更好的 harness(提示词、上下文、记忆、工具、路由、子代理与工作流等模型外层软件)能显著降低推理开销。
- 在窄任务上,小型专用模型可以胜过大型通用模型。
- 对多数不训练前沿模型的应用团队,可把握的杠杆在 harness——这是团队真正拥有的资产(「模型是租来的,闭环才是资产」),且远比权重容易被改进。
- 完整 RSI 主要是前沿实验室的课题,但「从生产故障中学习、提议变更、测试并保留有效项」的自动化改进闭环会先到来,它改变的是 AI 应用的构建与维护方式。
「漫话AGI」频道最新
- 花旗会议：超算 backlog 达 1.7 万亿美元，推理转向 agentic 颠覆成本模型 — sanjaykalra · 2026-09-08
- Hex 创始人撰文:数据分析师苦等「找洞察」的理想工作为何迟迟不来 — bennstancil · 2026-09-08
- Mastercard AI 负责人谈 Agentic Commerce:AI 引流已占零售 15-20% — AnneliesGamble · 2026-09-08
- 研究员评 prompt 署名权之争:能被多方同时逼近的问题多半不值得做 — samiramanabi · 2026-09-08
- 实验室安全合作再次落空,Gary Marcus 转发「百分百失调竞速」讽刺 — GaryMarcus · 2026-09-08
- OpenAI 陷千禧年难题风波，被指监控提示并施压剔除作者署名 — anshulkundaje · 2026-09-08