Dwarkesh Patel：下一代AI，可能是干活干出来的

Dwarkesh Patel 探讨了AI的下一代训练范式，提出可验证奖励强化学习（RLVR）可能不足以应对复杂现实任务。他强调真实世界任务需要持续学习和经验沉淀，建议通过on-policy self-distillation (OPSD) 和dreaming等方法，将模型在实际部署中积累的经验压缩回权重，以实现真正的持续学习。