Noam Brown@polynoamial · X精选理由
Meta 研究员揭示推理模型与 AlphaGo 的技术传承，点明 RL 超越模仿的核心路径
AI 摘要
当今前沿推理模型的训练路径与 AlphaGo 高度一致：先模仿大量人类数据，再扩展推理计算（从蒙特卡洛树搜索到思维链），最后用强化学习突破模仿上限。Demis Hassabis 称，十年前 AlphaGo 的"第37步"预示 AI 可攻克真实科学难题，这些思路对构建 AGI 仍至关重要。
AI 翻译 · 中文
当今前沿推理模型背后的秘诀与AlphaGo惊人相似：
- 模仿大量人类数据
- 扩展推理算力以更好地进行推理（当时是蒙特卡洛树搜索，如今是链式推理）
- 使用强化学习超越模仿
Ten years ago, AlphaGo's legendary match in Seoul heralded the start of the modern era in AI. Its famous 'Move 37' signaled to us that AI techniques were ready ...