IXThinker·2025-07-15 11:50

Karpathy質疑強化學習 提複盤式進化

Grok 4站上大模型之巔，Scaling強化學習被視為頭號功臣。AI學者Karpathy卻潑出冷水：RL的本質局限或令它無法通往AGI。他提出另一種擴展範式——像人類一樣回顧反思，透過複盤學習取得突破。

RL的本質局限

強化學習的本質，是某次行動表現良好或糟糕，就微調未來類似行動的概率。Karpathy指出，RL只是把最終成敗的單一數值回傳，效率隨任務時長急劇下降，在長任務中局限明顯。