MIT 研究者谈人工生命：演化路径比终点更影响模型表征

kenneth0stanley · x · 2026-11-08

MLStreet Talk 播客新一期邀请 MIT CSAIL 与 Sakana AI 的 Akarsh Kumar 谈人工生命与基础模型：把搜索可能宇宙的空间视为基础模型问题，讨论为何演化出的网络能找到 SGD 遗漏的结构，以及让 LLM 进化出 Core War 程序的实验。

Kenneth Stanley（「Why Greatness Cannot Be Planned」作者）参与其中，转推者重点提炼了一个观点：学习所走的路径可能塑造我们获得的表征，「如何到达」比「到达哪里」更重要。这引出一个开放问题：通过一系列「垫脚石」逐步学习，何时会比用相同信息以不同顺序学习，产生更可迁移的表征与更好的泛化？