Kyle Cranmer 撰文「苦乐参半的教训」回应 Rich Sutton 的「苦涩教训」

Kyle Cranmer 去年与 Rich Sutton 对谈后撰写《苦乐参半的教训》，回应其经典「苦涩教训」。文章指出，AI for Science 倾向以领域知识提升样本效率，而 LLM 与多模态基础模型借助通用方法、海量数据和算力同样取得显著成效，甚至有去除归纳偏置后涨点的案例。