MLST 长访谈:信息有价,约束是比奖励更便宜的专家知识注入方式
Machine Learning Street Talk · youtube · 2026-09-21
Machine Learning Street Talk 邀请 Fraunhofer IIS 研究员、UTN 博士生 Alexander Mattick 回归，围绕「推理的成本」展开两小时深度对话。
主要内容：
- 推理与采样：从蒙特卡洛、GFlowNets、能量模型到扩散、归一化流与 flow matching，附四段自制讲解短片；直言能量模型原则上可采样但算力上通常不划算。
- 对「世界模型」的批评：认为 JEPA 与 world model 更接近品牌包装而非技术类别。
- 深度学习理论：回顾两大理论流派，认为现有理论尚不足以指导实践。
- 反「Reward is Enough」与苦涩教训：现实信息昂贵，约束是给系统注入专家已知知识的最便宜方式；解释创造力即受限搜索。
- 控制论视角：预测不等于控制，机器人 demo 说明不了失败频率；讨论 MPC 与约束 MDP 工具箱。
适合想深入理解生成模型数学基础与 RL 局限的听众。
「漫话AGI」频道最新
- 「当下 95% 的 AI 发布都是空壳」:真东西追不上造势速度 — StewartalsopIII · 2026-09-22
- Kenneth Stanley 调侃「随机鹦鹉」：鹦鹉本来就是随机的 — kenneth0stanley · 2026-09-22
- 计算机教授 Lemire：多数人缺乏未来想象力，AI 也一样 — lemire · 2026-09-22
- 「Agent 接管后 App 满屏的手机 OS 将走到尽头」 — BecauseCulture · 2026-09-22
- 「我们终将不再理解自己造的系统」:工程师群体对 AI 编程的深层焦虑 — floguo · 2026-09-22
- 曝 OpenAI 已大幅自动化实验模型训练：AI 写 GPU 内核、多 agent 协作 — Dr_Singularity · 2026-09-22