近两百万人围观的Karpathy年终大语言模型清单，主角是它们

编辑｜杜伟 2025 年还有 10 天就要结束，这意味着是时候进行一波年终总结了。 对于人工智能领域而言，2025 年是大语言模型（LLM）快速演进、重磅事件密集出现的一年。 就在昨天，知名 AI 学者 Karpathy 列出了一份清单，记录了他个人认为最重要、也多少有些出乎意料的「范式转变」。 这些真正改变了行业格局、并在概念层面让 Karpathy 印象深刻的变化会落在哪些领域呢？我们接下来一一来看（以第一人称）。 可验证奖励强化学习（RLVR） 2025 年初，几乎所有实验室的 LLM 生产训练流程都像下面这样： 这套流程稳定、可靠，曾长期被视为「工业级 LLM」的标准做法。 预训练（类似 2020 年的 GPT-2/3）； 监督微调（SFT，类似 2022 年的 InstructGPT） 基于人类反馈的强化学习（RLHF，约 2022 年） 但在 2025 年，一种新的阶段浮出水面，并迅速成为事实上的标配： 可验证奖励强化学习（Reinforcement Learning from Verifiable Rewards，RLVR） 。 RLVR 的核心做法是，让模型在可自动验证的环境中接受强化学习训练 ...