算法论文8

萨顿：OaK架构挑战当前AI范式

AI科技大本营2025-08-22

AI 摘要

强化学习教父理查德·萨顿：当前AI发展迷失方向，OaK架构是系统性回应，其所有组件能持续学习，可应对探寻真正智能的需求，但存在持续深度学习和新状态特征生成两大挑战。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

盖茨警告AI可致十亿人死亡

本文整理了近期全球各界针对AI风险的重磅表态，前科技乐观派比尔·盖茨发出AI可致十亿人死亡的警告，呼吁政府强制监管；教皇痛批AI“机器天堂”侵蚀人性，凸显AI安全已升级为全球性生存危机。

本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。

本文解读Together AI的新算法论文，讲解大模型强化学习中，采样端与训练端的微小偏差如何累积放大导致训练跑偏，介绍Score Centering校正方法的原理、效果与应用边界。

本文是白鲸开源CEO郭炜参加Snowflake World Tour上海站后的参会总结，提炼出三个值得关注的行业变化，洞察Agent时代数据平台的边界重构趋势。