先了解这件事
AI 综述
2026年6月26日,Dwarkesh Patel 提出判断,认为可训练性与可验证性对 AI 进展同样重要。他指出,当前实验室押注通过数千个多样化 RL 环境训练可验证任务来逼近 AGI,但计算机使用等领域的进展缓慢,原因在于这些领域缺乏可并行回放、可反复试错的“可研磨”模拟器。对于创业、诉讼、交易等无法在数据中心内复现的领域,模型必须从稀缺的真实世界交互中学习。他认为,AI 领域的下一个重大突破在于让模型在部署后持续学习,而非仅靠训练阶段。目前该判断由 Dwarkesh Patel Podcast & Blog 发布,尚无其他来源的独立证据。
AI 根据公开报道生成
最新进展 · 正式报道
下一个重大突破将是 AI 在工作中学习事件进展
1 个已确认进展
- 来源：Dwarkesh Patel Podcast & Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
6月26日
Dwarkesh Patel Podcast & Blog
下一个重大突破将是 AI 在工作中学习
Dwarkesh Patel 认为，AI 领域的下一个重大突破在于让模型在部署后持续学习，而非仅靠训练阶段。他指出，当前实验室押注通过数千个多样化 RL 环境训练可验证任务来逼近 AGI，但计算机使用等领域的进展缓慢，原因在于这些领域缺乏可并行回放、可反复试错的"可研磨"模拟器。对于创业、诉讼、交易等无法在数据中心内复现的领域，模型必须从稀缺的真实世界交互中学习。