清华教授唐杰最新在微博发表了自己关于AI的一些感悟，非常值得一读～ 编辑部 整理 量子位 | 公众号 QbitAI 共八个小点 ，不算长篇大论，但扎实有料： 兹以推文刊载，供大家广泛阅读、传播。 唐杰表示，发微博是想分享一下，希望对大家有用。 以下为其感悟原文： 01，关于scaling基座模型 预训练使得大模型已经掌握世界常识知识，并且具备简单推理能力。 更多数据、更大参数和更饱和的计算仍然是scaling基座模型最高效的办法。 02，关于激活对齐和增强推理能力 基座模型继续scaling仍然高效； 真实使用体验想进一步上台阶，长尾能力的对齐和推理增强绕不过去； Agent代表模型开始进入环境、开始形成生产力； 一旦模型进入持续交互的世界，记忆机制、在线学习、自我评估就会成为核心工程题，而不是可选项； AI终究要落到替人完成工作、创造增量价值上； 领域大模型是个伪命题； …… 激活对齐和增强推理能力 ，尤其是激活更全面的长尾能力是保证模型效果的另一关键，通用benchmark的出现一方面评测了模型通用效果， 但也可能使得很多模型过拟合。 真实场景下是如何让模型更快、更好的对齐长尾的真实场景，增强实际体感。 ...