Yunta Tsai：大部分训练其实是测试时算力，采样轨迹占大头
yunta_tsai · x · 2026-10-15
研究者 yuntatsai 提出观点：大多数训练本质上就是 test-time compute，反向传播只占一小部分；流程的主体是在算力预算内尽可能多地采样轨迹并收集反馈——最好是值得花费焦耳的新高价值信息。在这种不对称设定下，自我改进的目标就是扩大并最大化「每焦耳产生最多有用信息」的测试时算力。
「漫话AGI」频道最新
- 机械可解释性老将反思:对齐≠误解泛化,CoT 监督的隐忧 — akbirthko · 2026-10-16
- GitCoin 创始人解读 Nick Land「技术资本」:资本主义的终局是一台自我组装的机器智能 — khademinori · 2026-10-16
- 分析师警告:AI 冲击下 50 岁以下消费者 10 万亿美元债务是银行隐患 — churchkey · 2026-10-16
- 美国国家实验室科学家出题，AI agent 基准 Into the Unknown 发布 — Jeande_d · 2026-10-16
- 未来开会的将是彼此的 AI，没有 AI 代理的人将失去竞争力 — danfaggella · 2026-10-16
- 投资人预测:一年内模型全面强 2-3 倍、成本降 10 倍,token 用量涨 10-20 倍 — DeryaTR_ · 2026-10-16