发生了什么
硅谷著名科技播客主持人 Dwarkesh Patel 最近抛出了一个问题： AI 的下一代训练范式会是什么？ Dwarkesh Patel 是硅谷近几年快速走红的科技播客主持人和写作者，年仅 25 岁，却已经凭借 Dwarkesh Podcast 进入 AI 讨论的核心圈层。他的采访对象包括 Ilya Sutskever、Andrej Karpathy、Dario Amodei、Demis Hassabis、Mark Zuckerberg 等一众 AI 与科技大牛。TIME 曾将他列入 2024 年 TIME100 AI，称他的播客已经成为许多 AI 从业者的重要收听内容。 在最新一期的播客中，他把当下前沿 AI 实验室正在押注的路线总结为一个关键词： RLVR ，也就是 Reinforcement Learning with Verifiable Rewards，可验证奖励强化学习。 简单说，就是让模型在大量可以自动判断对错的任务中反复试错，训练出规划、纠错、迭代和长期执行能力。今天代码、数学等领域的快速进展，很大程度上就来自这种思路。 但 Dwarkesh 真正想追问的是： 如果下一代 AI 只靠这种「可验证任务训练」，够不够？ 他的答案是：可能不够。 因为一个任务光「可验证」还不够，它还必须「可刷」。 这里的关键概念是 grindability，可磨性。 放在 AI 训练语境里，是「可反复刷题性」或者「可大规模 rollout 的能力」。 代码任务就是典型的可刷任务。你可以准备一个软件仓库、一个待修复 bug、一个测试用例，然后把同一个环境复制成几千份，让几千个 agent 同时尝试。谁通过测试，谁就得分。这个过程可以并行、可复现、可重置，特别适合 RLVR。 数学题也是类似的。答案对不对可以验证，训练环境也容易复制。 但 Dwarkesh 问了一个很有意思的问题：为什么 AI 在「使用电脑」这件事上，进展反而比代码和数学慢？ 表面上看，电脑使用也是可验证的。比如东西有没有下单成功、活动场地有没有订好、税表有没有提交，这些结果都可以判断。但问题在于，它很难被大规模复制和回放。你不能让一千个 agent 同时去 Amazon 上反复跑同一个结账流程，因为真实网站会识别 bot、封禁账户、改变状态。你当然可以克隆 Slack、Gmail、Amazon 这样的应用来做模拟器，但这在当前阶段仍然是高成本、低扩展性的工程。 Dwarkesh 指出： AI 在某个领域进步快，不只是因为这个领域答案可验证，而是因为这个领域能被包装成可复制、可回放、可并行试错的训练环境。 这也解释了为什么代码、数学、游戏类任务会成为 RLVR 的天然温床，而很多真实世界任务却很难直接纳入这套训练范式。 接着，他把问题推向更复杂的现实世界。 如果我们想训练一个 AI 从零开始创业，怎么
硅谷著名科技播客主持人 Dwarkesh Patel 最近抛出了一个问题： AI 的下一代训练范式会是什么？ Dwarkesh Patel 是硅谷近几年快速走红的科技播客主持人和写作者，年仅 25 岁，却已经凭借 Dwarkesh Podcast 进入 AI 讨论的核心圈层。他的采访对象包括 Ilya Sutskever、Andrej Karpathy、Dario Amodei、Demis Hassabis、Mark Zuckerberg 等一众 AI 与科技大牛。TIME 曾将他列入 2024 年 TIME100 AI，称他的播客已经成为许多 AI 从业者的重要收听内容。 在最新一期的播客中，他把当下前沿 AI 实验室正在押注的路线总结为一个关键词： RLVR ，也就是 Reinforcement Learning with Verifiable Rewards，可验证奖励强化学习。 简单说，就是让模型在大量可以自动判断对错的任务中反复试错，训练出规划、纠错、迭代和长期执行能力。今天代码、数学等领域的快速进展，很大程度上就来自这种思路。 但 Dwarkesh 真正想追问的是： 如果下一代 AI 只靠这种「可验证任务训练」，够不够？ 他的答案是：可能不够。 因为一个任务光「可验证」还不够，它还必须「可刷」。 这里的关键概念是 grindability，可磨性。 放在 AI 训练语境里，是「可反复刷题性」或者「可大规模 rollout 的能力」。 代码任务就是典型的可刷任务。你可以准备一个软件仓库、一个待修复 bug、一个测试用例，然后把同一个环境复制成几千份，让几千个 agent 同时尝试。谁通过测试，谁就得分。这个过程可以并行、可复现、可重置，特别适合 RLVR。 数学题也是类似的。答案对不对可以验证，训练环境也容易复制。 但 Dwarkesh 问了一个很有意思的问题：为什么 AI 在「使用电脑」这件事上，进展反而比代码和数学慢？ 表面上看，电脑使用也是可验证的。比如东西有没有下单成功、活动场地有没有订好、税表有没有提交，这些结果都可以判断。但问题在于，它很难被大规模复制和回放。你不能让一千个 agent 同时去 Amazon 上反复跑同一个结账流程，因为真实网站会识别 bot、封禁账户、改变状态。你当然可以克隆 Slack、Gmail、Amazon 这样的应用来做模拟器，但这在当前阶段仍然是高成本、低扩展性的工程。 Dwarkesh 指出： AI 在某个领域进步快，不只是因为这个领域答案可验证，而是因为这个领域能被包装成可复制、可回放、可并行试错的训练环境。 这也解释了为什么代码、数学、游戏类任务会成为 RLVR 的天然温床，而很多真实世界任务却很难直接纳入这套训练范式。 接着，他把问题推向更复杂的现实世界。 如果我们想训练一个 AI 从零开始创业，怎么
为什么重要
需要你自己点开原文确认一次，这里给的是摘要与判断。
需要你自己点开原文确认一次，这里给的是摘要与判断。
跟你有什么关系
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
能转：做内容的话，这条多半能直接变成一个选题或一段工作流。
以上判断为规则生成的初稿，发布前请润色。
判定理由
评分 0 / 100