我们怎么知道AI有没有偷偷跑偏？

智能先放一边，账单先来了。

当强化学习从「单轮做题」走向「多轮干活」，训练难度陡增。Netflix 研究科学家万字综述六大智能体 RL 框架，拆解轨迹表示、环境规模化、数据合成、训练稳定四道难题——也解释了为什么 3B、7B 小模型能在智能体任务上反超 GPT-5。 最近，做强化学习的圈子被一份长文综述刷屏了。 6 月 22 日，Netflix 资深研究科学家、深度学习博士 Cameron Wolfe 在他 7.2 万订阅的 ...

OpenClaw 创始人 Peter Steinberger 也发表了演讲，他提出：瓶颈在不断变化，现在开始变成注意力。去年，我最大的限制主要还是 Token 数量；之后，我遇到的新瓶颈变成了计算资源；如今，我最大的限制已经变成了注意力。 “我们追求的不是Token 最大化，而是价值最大化。” “未来根本不应该再存在‘本地任务’和‘云端任务’这种生硬的划分。” “现在有些人觉得聊天已经过时了，但我 ...