AI革命下半场：当LLM遇到天花板，Agent该如何自我成长？新的范式转变, 从人类数据学习, 到自主经验学习 скачать в хорошем качестве

AI革命下半场：当LLM遇到天花板，Agent该如何自我成长？新的范式转变, 从人类数据学习, 到自主经验学习

1.Welcome to the Era of Experience 2.AI achieves silver-medal standard solving International Mathematical Olympiad problems 3.Long Term Memory : The Foundation of AI Self-Evolution 4.Understanding World or Predicting Future? A Comprehensive Survey of World Models ---------------------------------------------------------------- 00:00 - Welcome to the Era of Experience 这篇文章由Rich Sutton和David Silver共同撰写，标志着《The Bitter Lesson》的2.0版本。它没有过多的技术细节，却为AI代理的发展指明了方向。文章重点讨论了从人类数据时代（The Era of Human Data）到经验时代（The Era of Experience）的过渡，强调了更少依赖人类知识的AI学习方法。 02:00 - The Era of Human Data vs. The Era of Experience 文章介绍了两种主要的AI发展路径：人类数据时代和经验时代。人类数据时代依赖大量的训练数据，如大语言模型，而经验时代则提倡AI通过与环境互动、自主生成数据来学习。经验学习能够克服人类数据时代的限制，帮助AI实现超人类智能（AGI）。 05:00 - AlphaProof and Reinforcement Learning 通过AlphaProof这一案例，DeepMind展示了基于经验的强化学习如何不依赖于人类数据来解决数学证明问题。与传统的大语言模型依赖人类数据进行训练不同，AlphaProof通过自主学习和模拟环境来进行训练，展示了经验学习的优势。 10:00 - Challenges in Learning from Human Data 作者指出，当前的大语言模型虽然表现出色，但其依赖于人类偏好的奖励机制使得它们无法突破人类认知的局限。未来的AI代理需要通过与环境的真实互动来进行学习，以便能处理更复杂和开放性的问题，提升AI的创新能力。 20:00 - The Future of Experience-Based Agents 文章最后展望了经验学习时代的AI代理能够自主地与真实世界互动，并根据长期反馈进行自我改进。这些代理不仅能解决复杂的科学问题，还能在未来实现自我进化（self-improvement），然而这也带来了工作替代和安全性等挑战。