MLST 长谈：为什么规模化预测造不出智能

Machine Learning Street Talk · rss · 2026-09-21

Machine Learning Street Talk 邀请 Fraunhofer IIS 研究员、UTN 博士生 Alexander Mattick 长谈 2 小时，主题是「推理即现代机器学习的主线」。

核心观点：

• JEPA 和「世界模型」更接近品牌营销，而非技术类别；能量模型原则上可采样但计算上通常不值。
• 系统讲解 Monte Carlo、GFlowNets、能量模型、扩散、标准化流、flow matching，含四段自制讲解短片；并论述非语言模态为何需要 flows。
• 现有深度学习理论（两大流派）都不足以指导实践；讨论 AlphaFold、流形假设与压缩、The Bitter Lesson 与「信息是昂贵的」。
• RL 部分：Q-learning、约束 MDP 工具箱、控制论 vs 强化学习、「奖励即足够」之争、创造力作为受限搜索、预测不等于控制，最后谈到机器人 demo、MPC 与可靠性。

附完整时间线与参考文献（GFlowNets、LeJEPA、flow matching、SafeMPO 等）。

原文链接 →

「研究」频道最新

• Jev 被指做实「张量逻辑」：让 IF 参数可微分且不浪费生成 token — StewartalsopIII · 2026-09-22
• 微软发布 BI-Bench：前沿大模型端到端商业智能准确率不足50% — MicrosoftResearch · 2026-09-22
• 微软研究院发布 BI-Bench:前沿 LLM 端到端 BI 准确率不足 50% — trevposts · 2026-09-22
• 复旦博士生详解 RLCD：奖励模型如何成为模型本身 — SinclairWang1 · 2026-09-22
• 合成细胞 SpudCell 是否为镜像生命铺路?研究者回应技术瓶颈 — NikoMcCarty · 2026-09-22
• 3800 字长文追问:类器官到底对阿尔茨海默病研究有用吗? — owl_posting · 2026-09-22

更多「研究」频道 AI 资讯 →