Dwarkesh 用這個想法進行烹飪： -RLVR 矛盾：實驗室花費數十億預先培養特定技能，這引發了一種根本的緊張關係：如果我們接近人類學習者，那麼所有這些預訓練都是毫無意義的，因為他們會在工作中學習。 -人類勞動的真正價值：我們不需要為每個微任務定制訓練管道；目前的 AI 需要。 -擴散滯後 = 應對：如果模型是人類等效的，它們的整合速度會比員工快 [這個可以辯論 - 數據來源、商業對可靠性的信心、替代恐懼等都可以合理地延遲 AI 部署；但我們仍然會相信這是一個更好的選擇，而這還不是真的，所以我認為這一點成立]。 -目標移動已經發生：我們解決了我們認為是 AGI 瓶頸的問題（例如，推理），但仍然無法自動化 95% 的知識工作。智慧比我們意識到的和之前定義的要多，這是可以承認的。 -持續學習瓶頸：未來 AI 的爆發性取決於解決持續學習 - 部署的代理，從經驗中學習，將知識合併回 "蜂巢思維"。距離這個還很遠，但我對我們能達到這一點持樂觀態度！