深度｜清华姚班学霸、OpenAI姚顺雨：AI下半场从“算法竞赛”转向“效用定义”，重构评估框架，将技术能力转化为真实世界价值

Z Highlights 姚顺 雨 是斯坦福大学自然语言处理研究员， OpenAI 员工 ，专注于强化学习与语言模型融合研究。本文译自姚顺 雨 于 2025 年 4 月 10 日发布的英文博客 《 The Second Half 》，内容整合了他在斯坦福课程 CS224N 及哥伦比亚大学前沿论坛的核心演讲观点。 我们正处于AI的中场阶段。几十年来，AI的核心一直是开发新的训练方法和模型。这条路奏效了：从在国际象棋和围棋上击败世界冠军，到在SAT和律师 资格考试中超越大多数人类，甚至赢得IMO和IOI金牌。 这些载入史册的里程碑——DeepBlue、AlphaGo、GPT-4，以及o系列模型——背后是AI方法的根 本性创新：搜索、深度强化学习、模型规模化，以及推理。 一切都在不断变得更好。 那现在究竟发生了什么变化？用三个词概括：强化学习终于奏效了。更准确地说：强化学习终于具备了泛化能力。经历了多次重大的绕行与一系列里程碑 之后，我们终于找到了一个通用的有效配方，能够利用语言和推理解决各种各样的强化学习任务。哪怕是在一年前，如果你告诉大多数AI研究人员，一个 统一的方法可以同时解决软件工程、创意写作、IMO级别 ...