「苦涩教训」再解读:scale 胜过手工特征,但离不开专家
anshulkundaje · x · 2026-11-03
这条被广泛转发的推文重新阐释了 Rich Sutton 的「苦涩教训」:它的核心只是 scale 的边际收益高于手工设计特征,并不意味着蛮力能解决一切问题或 brute force 是主导方法。
作者特别指出,OpenAI 和 Anthropic 近期产出的数学证明并非由「三个伯克利社科辍学生跑百万 agent」完成,而是由世界顶级数学家(如 @alpoge)主导——scale 受益于精准的专业知识这一点与 bitter lesson 并不矛盾。因此「scale vs 专家」这个问题本身问得不好:答案本是「都要」,但更准确的说法是 scale 的复利要靠专家去瞄准方向。
「漫话AGI」频道最新
- LLM 解数学题人人喝彩,解锁可靠软件设计的新基建模式却无人问津 — StewartalsopIII · 2026-11-03
- Diamandis:Anthropic 公益基金让普通人持股 AI 经济 — PeterDiamandis · 2026-11-03
- FT 数据敲警钟:EU 劳动产出增速落后美国,AI capex 或推高利率压垮欧洲财政 — _akpiper · 2026-11-03
- AI 冲击就业为何难预测:模特未被「暴露」,经纪公司却先看到结局 — soumitrashukla9 · 2026-11-03
- mgostIH 吐槽:别幻想 ASI 还谈营收,Anthropic 目标是造神 — mgostIH · 2026-11-03
- Anthropic S-1 披露:内部评估显示可能即将触及 RSI「AI 加速 AI 进展」阈值 — kimmonismus · 2026-11-03