模型逼近人类水平后，业界须重新设计 RL 任务形态
nirmal_dist · x · 2026-10-26
作者 nirmaldist 提出：随着模型在编码、金融等人类工作任务上趋于饱和，能力与对齐提升的「任务面」也随之转移，行业需要更有创意地重新设计任务形态。
他举金融为例：三个月前一个好任务可能是「读财报电话会、按新管理层假设更新现有 Excel DCF 模型」，模型需要「读出弦外之音」的品味才能做好。当这类任务被模型攻克，评测与 RL 训练任务的公平性和形状都要跟着演进——任务饱和不意味着工作结束，而意味着要换一种出题方式。
所属事件:模型逼近人类水平，RL 任务面随行业转型迁移(2 条相关)→
「漫话AGI」频道最新
- WSJ 专栏：对押注 Anthropic 股份的投资者，10% 灭绝风险或只是 90% 的组合胜率 — davidmanheim · 2026-10-27
- WSJ 专栏:就算 10% 灭绝概率,押注 Anthropic 股票仍可能是 90% 的赢面 — peterwildeford · 2026-10-27
- Simile 融资 3 亿美元估值 20 亿,用 AI 模拟真人预测行为,准确率超 85% — joon_s_pk · 2026-10-27
- 研究员比喻：AI 图像像发霉面包，AI 文本像变质牛奶 — _vaishnavh · 2026-10-27
- Diamandis:别用 AI 加速旧工作,回头捡起你放弃的项目 — PeterDiamandis · 2026-10-27
- Nat Lambert:任何 AI 模型,没经过严格测试都不该被信任 — natolambert · 2026-10-27