研究员论 RSI 规模化:误差换收入曲线或复现预训练规律
tobyordoxford · x · 2026-10-21
牛津研究员 Toby Ord 参与一场关于递归自我改进(RSI)测算的讨论,指出大家想测的其实是 RSI 文献里的 β 参数:如果 CoT 效率(A)的增长是对数级的,那么 β 会随 A 无界增长,迫使 r 趋向于零。
他还类比了预训练 scaling 的历史教训:Kaplan 和 Chinchilla scaling law 显示误差随算力下降极慢(约 compute^1/20),看起来很糟,但现实存在一条把误差转化为收入的惊人函数(如 error^-20),让缓慢的能力提升仍能带来巨大商业回报。
所属事件:牛津学者 Toby Ord：基准 scaling 难外推真实世界收益(4 条相关)→
「漫话AGI」频道最新
- AI 帮你省下的一小时，到底归谁？ — Alchemistwiza · 2026-10-21
- 量子+AI 研究者反思:我们优化的目标真的是对的目标吗 — AryHHAry · 2026-10-21
- 纳德拉:Agent 时代 SaaS 将坍缩为 CRUD,软件护城河正在瓦解 — msharmas · 2026-10-21
- AI 科学发现或将超前人类理解数十年，作者预言科学将变得怪异 — VraserX · 2026-10-21
- 学者反驳「大脑只是神经元放电」：生物神经元会自我维持，AI 没有 — ValerioCapraro · 2026-10-21
- 研究员断言:所有工作都只是机器接管前的临时占位 — rand_longevity · 2026-10-21