akbirthko回应Sutton的“不够Bitter Lesson”论断
热点事件持续更新
akbirthko回应Sutton的“不够Bitter Lesson”论断
2 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
akbirthko回应Rich Sutton关于“LLMs are not bitter lesson enough”的观点，称预训练的成功本质上来自大规模数据对分散人类知识的“哈耶克式聚合”，并批评相关论断是“象牙塔式的自说自话”。 他主张从算力分布、前沿实验室社会学和物理约束等现实条件出发预测未来系统形态，而非仅依据既有理论框架讨论大模型的发展。
AI 根据报道生成 · 9 小时前更新
最新进展11月9日 07:23
回击 Rich Sutton「LLM 不够 Bitter Lesson」：预训练胜在哈耶克式聚合报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- AGI Hunt回击 Rich Sutton「LLM 不够 Bitter Lesson」：预训练胜在哈耶克式聚合
akbirthko 回应 Rich Sutton 关于“LLMs are not bitter lesson enough”的论断，认为预训练的成功本质上源于大规模数据对分散人类知识的“哈耶克式聚合”。他将相关观点批评为“象牙塔式的自说自话”，并主张从算力分布、前沿实验室社会学和物理约束等既成事实出发预测系统形态。
- AGI Hunt智能体商品化后：预测 AI 要从算力与实验室社会学倒推
akbirthko 提出，智能体商品化后，判断 AI 智能体系统形态需“从右往左”推理，从前沿实验室社会学、算力分布与物理约束等结构因素倒推，而非沿技术路线正向推演。teortaxesTex 则以 ML 思想史中的 Rosenblatt、Hinton、Sutskever、Kingma、Vaswani 等人为例，质疑“剩余硬壁垒”，认为成功更多来自持续松弛、迭代解题、应用数学工具组合及分支修剪。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1011月9日 08:00
- 近 24 小时变化
- –
02.557.510
08:0010:0012:0014:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。