Spådom: Grunnlagsmodeller vil internalisere flere og flere ferdigheter fra brukssporene sine. Det kan være en god tidlig strategi for LLM-selskaper å subsidiere bruk av openclaw. @steipete Svinghjul: Flere brukere – > flere ferdighetsspor – > mer destillert kapasitet – > en kraftigere grunnlagsmodell – > alle drar nytte av det

Jeg tror RL med verifiserbare belønninger vil bli stadig viktigere for å presse LLM-er mot sitt eget "AlphaZero-øyeblikk." Det vil sannsynligvis begynne med koding, deretter utvides til matematikk, fysikk og andre områder hvor modeller kan utforske seg selv, oppdage løsninger utenfor distribusjon som mennesker kanskje aldri ville forestille seg, og verifisere dem ved hjelp av et absolutt belønningssignal (0/1). Dette minner meg også om @elonmusk snakket om en fremtid der programmer kunne genereres direkte som binærfiler, uten å gå gjennom den tradisjonelle kompilasjonsprosessen. Det kan faktisk være mulig hvis LLM-er kan generere binær kode og deretter kjøre den direkte mot en verifiserbar belønning.

Min oppskrift på læring: Lær sakte Gå dypt Bygg ekte intuisjon Da vil kunnskapen hope seg opp