黄仁勋、Ilya、梁文锋都在押注“持续学习”

ai和人之间还有普通动物，

♥ 5 ↩ 1

持续学习如果实现了，就相当于创造真正的“数字生命”，当然难度很大了[笑哭]

♥ 16

持续学习这个节点的难度可不是一般的大

♥ 51 ↩ 32

持续学习是AGI的一个根本问题，现在的模型训练是用的反向传播这种学习规则，人有时候看一张猫的图片就能记住猫，大模型必须反复学习上百万遍才能学会记住，这就是能耗高的原因。所以肯定有更好的学习规则，人形机器人记不住做过的动作，梁文锋说要解决模型的持续学习能力，和智能体的不间断执行能力，递归自我进化能力的实现可能都跟这个有关

♥ 32 ↩ 1

说是这个月要发第一个模型了。

♥ 1

现在主要是数据污染太严重，AI没有找到真正验证数据真实性正确性的信源证据的甄别能力。所以输出都不一定是正确的。还有AI没有说，我提出一个软件的操作方式，然后AI没有真在这个软件里把要给我输出的方法先验证一下正确性再输出给我。比如我问deepseekVBA代码，它都不在excel或者wps里先试试就给我输出了，然后就是错误。我需要不停的跟它沟通数十个错误的版本，需要我一次次的去验证，直到最后才能找到一个真正能用的vba代码。

♥ 9 ↩ 2

@一键AI笔记侠 @有趣的程序员 @视频AI问答助手 总结视频发给我

↩ 1

up主讲的很好！最近我在学习 AI 编程，顺手做了一个叫 AgentPK 的 AI 竞技游戏：你不用亲自操作，只需让 AI 写出战斗策略，Agent 就会自动对战、赢积分、冲排行榜；既能边玩边练习 AI 编程，也能直观看到自己的策略水平，欢迎大家来试试，也帮我提提意见！这里来试试：agentpk.cn

现在的模型是以token 计费，持续学习的模型估计是以秒计费，而且持续学习的模型怎么并发出来也是难题，总不可能一个模型，服务一个用户

♥ 10 ↩ 3

持续学习这种技术不难，十年前微软小冰就能一边聊天一边学习，最后被网友调教坏了，就下线了

现有的ai不能实现持续学习这些应该跟现有模型都是通过反向传播这一学习规则学习训练的有关，人看到一张猫的图片就认识猫了，大模型必须通过反向传播训练上百万遍才能记住，也说明肯定有更好的学习规则，诺奖得主辛顿现在的学习基座有问题，在寻找更好的学习规则，这个问题的解决也只有基础理论突破以后才能真正解决

♥ 5

我不觉得对LLM Agent来说持续学习是很难的问题，通过记忆系统的设计就能基本解决。Dario也表达过这个观点几次。 虽然我并不认为通过记忆系统的设计能解决所有持续学习问题。但up主说的例子是很容易被解决的。

他们是要造一个天网

♥ 2 ↩ 2

反正在 Transformer 上继续堆应该是没前途，需要新架构

♥ 3 ↩ 1

现有技术构架完全做不到，需要全新的软硬件构架和体系，这个难度相当于重新发明一次电脑，难度极大几十年都没法突破是大概率

♥ 2

持续学习，自我迭代，技术奇点，agi。技术路径有没有问题还要验证，究竟是创造一个类人脑的自主学习模型，还是做一个像人脑的预测自回归机器。

扩散文本模型可能更好实现

♥ 1

大力奇迹这条路现在看远没有到尽头，模型性能仍然在持续稳步迭代提升当中。也许这就是人和AI最不一样的地方，人脑不可能无限提升算力，无限提升参数量，但AI似乎可以，至少目前看还没遇到瓶颈

♥ 1

推理时训练？推理时微调？反正肯定有办法，软硬结合更好做一点，明年应该能见到模型问世，后年开始发力，差不多

♥ 1

ai接触范围比人大多了，那有稳定上下文