突破数据墙的具体路径：让智能体在交互轨迹上训练，而非只读文本
TuXinming · x · 2026-09-09
TuXinming 针对「scaling/ASI 只是算命」的质疑给出一条具体路线：预训练本质是把「世界→观察→文字记录」压缩进模型，而工具提供了另一个闭环——行动→获取反馈→在轨迹上训练。这已在发生：实验室正用大量工具调用和 agent 轨迹做训练。他举例：给 agent 一段 DNA 序列和变异位点，让它查询 AlphaGenome、修正假设、继续检验预测，在这些轨迹上训练可内化 AlphaGenome 的预测能力；把工具换成真实实验，反馈就来自物理世界——干预、测量、更新、训练。
所属事件:斯坦福计算生物学家激辩AI能力边界：数据瓶颈与趋势外推之争(10 条相关)→
「研究」频道最新
- Qwen3.8-Flash-Next 开源 180B 权重，被视为后门研究理想样本 — jd_pressman · 2026-10-27
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27