大模型“缩放定律”悖论：RL（强化学习）越强，AGI（通用智能）越远？

知名科技博主犀利指出，各大实验室通过RL（强化学习），耗资数十亿美元让大模型"排练"Excel、网页操作等技能，恰 恰暴露其距真正AGI仍远。若AI真接近类人智能，就该像人类一样从经验中自主学习，而非依赖"可验证奖励训练"。而真 正突破在于"持续学习"能力，这一过程或需5-10年才能完善。 硬·AI 作者 | 龙 玥 编辑 | 硬 AI 在人工智能迈向通用智能（AGI）的竞赛中，当前最受追捧的强化学习（RL）路径，可能正将我们引向一 条歧路——RL越强，距离真正的AGI或许越远。 12月24日，知名科技博主、Dwarkesh Podcast博客主持人Dwarkesh Patel今日发布了一则引发行业深思 的视频，直击当前大模型发展的痛点。在硅谷普遍对Scaling Law（缩放定律）和RL（强化学习）持极度 乐观态度的背景下，Patel提出了一个反直觉的犀利观点： 对RL（强化学习）的过度依赖和投入，可能非 但不是通往AGI的捷径，反而是其远未到来的明确信号。 Patel的核心论点在于，当前顶尖AI实验室正耗费巨资，通过基于可验证结果的强化学习，为大模型"预 制"大量特定技能，例如操作Excel或浏览网页。然 ...