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:斯坦福教授激辩 AI 前景：数据瓶颈与「就这么管用了」的转变(10 条相关)→
「研究」频道最新
- Stu-tU 提出 RANSAC 评分新法,经 128 倍失准仍选对模型 — ducha_aiki · 2026-09-09
- 曝 OpenAI 万级 agent 联手 88 小时 Lean 证明 Navier-Stokes 会奇异化 — johnseach · 2026-09-09
- 测试时算力新想象:一万实例通过留言板互相影响 — mertdumenci · 2026-09-09
- 数学家「看出定义」像婴儿认物, transformer 训练正在抹掉这种能力? — MoonL88537 · 2026-09-09
- Marigold V2 用单步流匹配改造 DiT,单目深度估计更强 — huawei-bayerlab · 2026-09-09
- kornia-rs：Rust 低层 3D 视觉库，性能超 OpenCV 与 NVIDIA VPI — edgarriba · 2026-09-09