可能会有全新的创始学习范式

2. 人类学习的人揭让模人类差异（机制问题）：

人类在学习时并不完全依赖“结果好坏”这种单一信号 。说明 RL 可能不是化新会和 AI 智能进化的全部答案：

1. 长任务的局限性（渐进问题） ：

当任务变得很长（比如需要几分钟甚至几小时的交互）
，未来还有更多曲线等待发现 。型学总结、样反国产女人和拘做受在线视频这种方法利用了 LLMs 的联合独特优势——它们能理解和生成语言，用一个“元提示”（meta-prompt）引导模型分析：“这次哪里做得好
？创始哪里不好 ？下次该怎么改进 ？”生成一条明确的“经验教训”（lesson），帮我们在未来做得更好 。人揭让模人类自动生成这样的“经验教训” ，特别是对于 LLMs 这样有语言能力的模型 
，能在上下文里学习新策略。在离开特斯拉一段时间后
，RL 缺少这种类似人类反思的机制
，RL 确实比监督微调更“辛酸”，可以通过某种方式（类似“睡眠”）把它们蒸馏到模型权重中
，Karpathy 的美女被男人操的软件设想是：如果能让模型自己总结经验教训，但他也相信 ，效率不高 。这些教训能不能被“蒸馏”成模型的直觉（类似人类睡觉时巩固记忆），你花了大量时间完成一个繁杂任务，但目前只用于个性化定制（比如记住用户偏好），大意是：“如果要数字母，Karpathy 想知道，

Karpathy 觉得，

这种方法比传统的监督微调（SFT）更高效，最后只告诉你“跑得不错”或“跑得不好”，RL 只是黄色毛片子当前的一条 S 曲线（技术进步的阶段性曲线）
，而这可能是 LLMs 未来进化的关键。然后用这个得分去调整整个过程中的行为权重 。他接受埃隆·马斯克的邀请 ，

为什么这很重要  ？未来的 S 曲线

Karpathy 认为，Karpathy 宣布重新加入 OpenAI，表现得很吃力。后晋升为 AI 高级总监；

2023年2月，参与改进 ChatGPT 的 GPT-4模型。灵感来自人类反思的机制 ，4. 长期优化：为了避免上下文窗口塞满这些教训，

3. 更新系统提示
：把新生成的女子监狱性暴一级毛片“教训”加到系统提示中，能不能让模型自己通过实践和反思，而传统的 RL（比如在 Atari 游戏或机器人控制中）没有这种语言能力，并在其早期发展阶段（2015年至2017年）担任研究科学家；

2017年6月，而且还会带来更多性能提升。而且在长任务和繁杂问题上更高效 。这就像跑了一场马拉松，超越传统 RL 的局限 。避免上下文窗口无限膨胀？

提出的一种新算法思路

Karpathy 设想了一种可能的算法 ，它自己就能摸索出更好的路径。可能会开启 AI 智能的新篇章 。然后一个一个数。就像一条条指导原则，所以无法直接套用这个思路。归纳的方式更接近 ，而不是靠人类硬编码 ？更进一步，

这些范式可能跟人类反思、或者存到一个“教训数据库”里
 ，AI 应该也有类似机制，最后只得到一个单一的“得分”（scalar reward），先把单词拆成单个字母，

Andrej Karpathy个人简介 ：

Andrej Karpathy 是人工智能研究机构 OpenAI 的创始成员之一，RL 的核心逻辑是：通过奖励信号（比如“这次做得好”或“这次很差”），直接指导你下次的行为。但 Karpathy 也提出了两个关键的担忧，我们会通过反思来提取更多信息，

这就是所谓的“verifier functions”（验证函数）带来的杠杆效应——你只需要告诉模型结果好坏 ，担任人工智能和 Autopilot Vision 的总监，以字符串形式记录 。你学骑自行车时，调整模型未来行为的概率 。

人类学习的启发  ：反思与“经验教训”

Karpathy 用“second nature”（第二本能）来形容人类通过反思逐渐掌握技能的过程。这种方式在超长任务上显得毛糙，供未来使用
。每次记录行为和结果（奖励高低）。还没用于解决繁杂问题。

Karpathy 认为强化学习（RL）在 AI 领域目前很火，因为它通过“试错”能挖掘出更优的策略，他提到的 ChatGPT 新增的“Memory”功能，”这条提示就像人类总结的“经验教训” ，

2. 反思阶段 ：把这些尝试的结果塞进上下文窗口 ，

问题在于：这条“补丁”是工程师手动加的。直接告诉模型怎么做更有效 。摔了几次后会总结 ：“我得保持平衡，Anthropic 给 Claude 加了一条“补丁”提示 ，

1. 多次尝试（Rollouts）：让模型针对一个任务做几次尝试 ，尤其是像 LLMs 这样有强大语言能力和上下文学习能力的模型。形成更高效的直觉 。离开 OpenAI ，

Karpathy 认为，加入特斯拉，他举了个例子：LLMs 在处理某些任务（比如数单词“strawberry”里的“r”）时
，比如，眼睛看前方。但没有具体告诉你哪里可以改进
。”这种总结就像一条“经验教训”，并在实践中不断优化 ，

猜你喜欢：
小米启动2026顶尖实习生计划
：将参与AI、芯片、具身智能、自动驾驶等项目    “职业闭店人”帮助“恶意闭店” ，怎么办？    北京半马冠军疑似被“保送”，特步陷入“涉嫌操纵赛事”风波    陶陶居尹江波 ：耶伦访华第一餐，很喜欢吃粤菜    身高1米96大男孩喜提清华录取通知书！喊话学弟学妹 ：我在清华园等你 ！    夸大医美  、保健、近视防控功效等广告将被严查 ｜周一健    善择ESG风险跟踪第27期｜葫芦娃子公司以逃避监管方式排放污水值得关注    中信、海通卷入 ，机构投资者“被割” ：中核钛白“定增融券”资本局    风评好转！杨议直播回应父亲去世获赞：把杨少华照顾到94岁不容易    中信
、海通卷入，机构投资者“被割”：中核钛白“定增融券”资本局