算法演进时间线:从 RLHF、DPO 到多智能体集群的未来预测

AccBalanced · x · 2026-11-20

sreeramkannan 梳理 AI 训练算法时间线:2021 年前是 next-token prediction,2022 年 RLHF,2023 年 DPO,2024 年提出 RLVR,2025 年 RLVR+GRPO+早期 agent,并预测 2026 年是多智能体集群(multi-agent swarms)、2027 年是分布式智能体集群。这条时间线引用了 dabit3 的年度划分(2022 补全、2023 聊天、2024 AI IDE、2025 编码 agent、2026 agent 编排、2027 outcome engineering),属于对行业技术路线的预测性观点。

原文链接 →

「漫话AGI」频道最新

更多「漫话AGI」频道 AI 资讯 →