两个 编译：haozhen 编辑：siqi 海外独角兽原创编译 转载请注明 去年以来，随着 OpenAI 在 o1 模型中提出 RL 叙事 ，以及 DeepSeek 发布的 R1 模型 解开了 RL 谜 题，AI 行业进入了新范式，智能的下半场也真正开启。 如果说过去 LLM 主要依赖于模式匹配与数据记忆，如今，推理能力的兴起让模型能力从表层关联跃 升到复杂认知。推理不仅仅是参数数量或训练数据的增加，而是能充分利用算力进行深度探索。因 此，推理能力既是涌现智能的重要催化剂，也是未来模型在科学发现、复杂决策与 multi-agent 协作 中的关键。 本篇内容是 OpenAI 研究员 Noam Brown 的最新播客。Noam 是全球最顶尖的推理研究员之一，他最 知名的两个项目分别是在德扑中击败顶尖人类玩家的 AI 系统 Libratus 和 Pluribus，2022 年他又开发 了首个在复杂多人策略游戏 Diplomacy 中达到人类水平的 AI，名为 Cicero。 这次播客中，他详细分享了自己在 scaling test time compute 上的前沿观点： • 推理（reasoning）是模型涌现 ...

都是 NPT，用 RL 做预训练的潜力更大吗？为什么强化学习里很少有预训练模型？最流行的 RL 范式有何理论缺陷？ 已有成效 的后训练 RL 实现存在什么问题？ 2. 硅谷 AI Leaders 近期「暴论」大盘点！ 1.从后训练回到预训练，LLM+RL 的潜力兑现有有机会走更远吗？ 未来订阅 ChatGPT 就送人形机器人？AGI 为什么可能永远无法实现？为什么 AI 比程序员更显性价比？行业大模型真的没必要 吗？做好研究不如写好推文？OpenAI 和 Nvidia 的「AI 工厂」有何区别？ 本期完整版通讯含 2 项专题解读 + 29 项 AI & Robotics 赛道要事速递，其中技术方面 11 项，国内方面 9 项，国外方面 9 项。 本期通讯总计 23143 字，可免费试读至 9% 机器之心PRO · 会员通讯 Week 26 --- 本周为您解读 ② 个值得细品的 AI & Robotics 业内要事 --- ① LLM 预训练对监督数据的需求趋于无穷，且需要覆盖尽可能所有遇到的问题，同时要求监督信号必须准确无 误，从而保证模型正确性。 ② 两项要求在现实中均难以实现，原因在于高质量人类标注数据 ...