前OpenAI核心负责人转战新架构

原文内容概括缩写：Jerry Tworek曾是OpenAI内部最坚定的“强化学习最大主义者”，在GPT-3、GPT-4的研发过程中，他一直认为大模型缺失的最后一块拼图就是大规模强化学习，只要把这条路线推到极致，就能解决剩余问题。然而，在亲身参与GPT-4的迭代和后续RLHF（基于人类反馈的强化学习）实践后，他逐渐意识到，强化学习并未真正带来通向AGI的质变，反而遭遇了奖励模型可扩展性、分布外泛化、以及长程推理困难等瓶颈。与此同时，另一位同样来自Google DeepMind的大模型核心负责人也持有类似观点，两人决定共同离开原有团队，创立新公司，专注于探索下一代AI架构——可能涉及“系统2”慢思考、可微分编程、神经符号系统或世界模型。他们认为，当前基于Transformer的扩展律（Scaling Law）已接近边际收益递减，单纯堆算力+数据+RL并不能实现真正的通用智能。新架构将更强调因果推理、结构化知识表示和自主规划能力。这一消息在AI产业界引发震动，因为两位创始人在OpenAI和Google时期均担任核心决策角色，其转向可能吸引大量人才和资本跟进，加速AI底层技术路线的迭代。