Prediksi: Model Foundation akan menginternalisasi lebih banyak keterampilan dari jejak penggunaannya. Ini mungkin merupakan strategi awal yang baik bagi perusahaan LLM untuk mensubsidi penggunaan openclaw. @steipete Roda gila: lebih banyak pengguna -> lebih banyak jejak keterampilan -> kemampuan yang lebih disuling -> model fondasi yang lebih kuat -> semua orang mendapat manfaat

Saya pikir RL dengan hadiah yang dapat diverifikasi akan menjadi semakin penting dalam mendorong LLM menuju "momen AlphaZero" mereka sendiri. Ini kemungkinan akan dimulai dengan pengkodean, kemudian meluas ke matematika, fisika, dan domain lain di mana model dapat mengeksplorasi sendiri, menemukan solusi di luar distribusi yang mungkin tidak pernah dibayangkan manusia, dan memverifikasinya menggunakan sinyal hadiah absolut (0/1). Ini juga mengingatkan saya pada @elonmusk berbicara tentang masa depan di mana program dapat dihasilkan secara langsung sebagai biner, tanpa melalui proses kompilasi tradisional. Itu mungkin sebenarnya dimungkinkan jika LLM dapat menghasilkan kode biner dan kemudian menjalankannya secara langsung terhadap hadiah yang dapat diverifikasi.

Resep saya untuk belajar: Belajar perlahan Masuk lebih dalam Bangun intuisi nyata Kemudian pengetahuan akan bertambah