Dwarkesh Patel 称下一代 AI 训练需要真实世界任务
下一代 AI 不能只靠可刷题任务训练，需要在真实世界中获取反馈并内化为长期能力。
RLVR（可验证奖励强化学习，一种让模型通过可自动判断对错的任务反复试错的训练方法）在代码、数学等可复制任务上效果显著，但真实世界任务如创业、法律难以并行试错。Dwarkesh Patel 认为，AI 需在部署后从真实反馈中持续学习并沉淀到模型权重。
正文摘录
.jpg) 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。