从业者盘点真正改变 LLM 的软件侧 S 曲线：MoE、CoT RLVR 等
JoshPurtell · x · 2026-10-07
开发者 Josh Purtell 发起讨论：他认为硬件性能的持续增长让模型能力的许多 S 曲线本质上来自外部硬件红利（新 GPU 发布后大家集中做饱和利用）。但仍有少数纯软件/科学层面的突破真正改变了模型可用性，他点名了四项：MoE（混合专家）、次二次复杂度注意力、思维链 RLVR（可验证奖励的强化学习）、循环/Looping 架构。他认为这些技术影响巨大，缺了它们即便换新硬件模型也无法实用，并抛出问题：还有多少这样的软件侧 S 曲线尚未被发现？
所属事件:AI 能力靠硬件还是靠软件？两位开发者激辩「硬起飞」可行性(8 条相关)→
「研究」频道最新
- ENPIRE 框架实现机器人自动科研，灵巧任务成功率 99% — chris_j_paxton · 2026-10-07
- OpenAI 问题 #109 再收紧：κ 改进约 5.7 亿倍，逼近理论上限 — aran_nayebi · 2026-10-07
- Datology 开源 Zephon：确定性流式 dataloader 解决 GPU 数量不一致难题 — josh_wills · 2026-10-07
- NVIDIA 论文 VERA：让 Agent 框架与模型共同进化，9B 版超出基线 10 分 — omarsar0 · 2026-10-07
- Isomorphic Labs 成 Virtual Biology Initiative 创始成员，开放生物数据 — proteinrosh · 2026-10-07
- MIT 把编码 agent 丢上无人岛 30 小时,研究机器「玩耍」 — phillip_isola · 2026-10-07