will cb:engram 模块是持续学习的基石,并提出「agentic gradient」构想
willcb · x · 2026-10-20
will cb 分享两个研究方向的判断：
- 他基本确信 engram 模块(或类似机制)将是持续学习的基础性组件，而不仅仅是一种效率优化技巧。
- 他把自己的最终方案称为「agentic gradient」：让 agent 可以自由地对自身 harness 或权重做任何修改。真正的难点在于 meta-RL 层面——如何让它真正跑通，中间还有大量待跨越的桥梁。
所属事件:OpenAI 研究者称 engram 模块是持续学习基石(3 条相关)→
「研究」频道最新
- OpenTac 开源 3D 触觉方案：给任意机器人表面装可共享数据的触觉皮肤 — _krishna_murthy · 2026-10-23
- 仅 1 克！无线微型显微镜实现自由活动小鼠全皮层单细胞成像 — KordingLab · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- Arc Institute 用基因组语言模型绘制原核非编码序列图谱 — tedgreenwald · 2026-10-23
- 同行评审的 AI 化：审稿人终于「进入附录」了 — abursuc · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23