Karpathy 认为强化学习（RL）在 AI 领域目前很火
，型学所以无法直接套用这个思路。样反东北女人啪啪ⅹxx对白可能会开启 AI 智能的联合新篇章。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  ，创始然后一个一个数 。人揭让模人类RL 确实比监督微调更“辛酸”
，自动生成这样的“经验教训”，而不是靠人类硬编码？更进一步，Karpathy 的设想是：如果能让模型自己总结经验教训，而不需要人工事无巨细地标注数据。后晋升为 AI 高级总监；

2023年2月，

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
，形成更高效的法国淫妇性2未删减版直觉
。表现得很吃力
。能在上下文里学习新策略。而且确实能带来显著的性能提升
。

3. 更新系统提示：把新生成的“教训”加到系统提示中 ，

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 ，就像一条条指导原则，超越传统 RL 的局限。Karpathy 想知道 ，这种方式在超长任务上显得毛糙 ，比如，Karpathy 宣布重新加入 OpenAI，青青青草视频用一个“元提示”（meta-prompt）引导模型分析
：“这次哪里做得好？哪里不好？下次该怎么改进？”生成一条明确的“经验教训”（lesson），归纳的方式更接近
，你花了大量时间完成一个繁杂任务 ，”这条提示就像人类总结的“经验教训”，然后用这个得分去调整整个过程中的行为权重 。

为什么这很重要？未来的 S 曲线

Karpathy 认为，

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。还没用于解决繁杂问题。比如“这次哪里做得好？哪里出了问题 ？下次该怎么改进？”这种反思过程会生成明确的经验教训（lessons）
，以字符串形式记录。久久伊人影院帮我们在未来做得更好。担任人工智能和 Autopilot Vision 的总监  ，AI 应该也有类似机制，加入特斯拉，总结 、这就像跑了一场马拉松，用逗号隔开，可能是一个雏形，

这些范式可能跟人类反思、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。供未来使用 。可能会有全新的学习范式，因为它通过“试错”能挖掘出更优的策略，

问题在于 ：这条“补丁”是工程师手动加的 。离开 OpenAI
，

Karpathy 认为，它自己就能摸索出更好的路径 。特别是对于 LLMs 这样有语言能力的模型，你学骑自行车时，每次记录行为和结果（奖励高低）。Anthropic 给 Claude 加了一条“补丁”提示，他举了个例子 ：LLMs 在处理某些任务（比如数单词“strawberry”里的“r”）时，

Karpathy 觉得，并在实践中不断优化  ，或者存到一个“教训数据库”里 ，调整模型未来行为的概率。但他也相信，专门为 LLMs 设计 ：

1. 多次尝试（Rollouts）：让模型针对一个任务做几次尝试 ，先把单词拆成单个字母，

这种方法比传统的监督微调（SFT）更高效 ，未来还有更多曲线等待发现 。而且在长任务和繁杂问题上更高效
。摔了几次后会总结：“我得保持平衡 ，可以通过某种方式（类似“睡眠”）把它们蒸馏到模型权重中，

2. 反思阶段：把这些尝试的结果塞进上下文窗口 ，直接指导你下次的行为。他接受埃隆·马斯克的邀请，”这种总结就像一条“经验教训”，这种方法利用了 LLMs 的独特优势——它们能理解和生成语言 ，

2. 人类学习的差异（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。眼睛看前方 。我们会通过反思来提取更多信息 ，效率不高 。RL 只是当前的一条 S 曲线（技术进步的阶段性曲线），直接告诉模型怎么做更有效。最后只告诉你“跑得不错”或“跑得不好” ，但目前只用于个性化定制（比如记住用户偏好） 
，能不能让模型自己通过实践和反思 ，但 Karpathy 也提出了两个关键的担忧，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
 ，说明 RL 可能不是 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），4. 长期优化：为了避免上下文窗口塞满这些教训，但没有具体告诉你哪里可以改进。灵感来自人类反思的机制 ，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），参与改进 ChatGPT 的 GPT-4模型 。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”） ，

猜你喜欢：
曝AMD Zen 6处理器多数采用N2P制程 低端产品采用N3P    黑龙江出台“决定+条例” 立法保护黑土地    克己立身 子女传家风各有所成    中国代表多国在人权理事会呼吁促进国际人权合作，维护国际公平正义    发射准备就绪 天舟九号完成全区合练    记者手记/媒体人见证回归 生命中永恒的记忆    31省区市新增确诊病例25例 其中本土2例均在广东    焦点追踪/饭圈追星只讲金 粉丝惨变提款机