Chollet 追问 AI 能力边界：为何数学和代码进步更快

Francois Chollet于2026年10月7日在X上提出，AI能力的“锯齿状前沿”可能与数学和代码更容易通过可验证反馈持续训练有关，而非形式化领域可能更快接近平台期，关注价值在于它把能力差异归因于评估和反馈机制，而非单纯模型规模。

• 数学和代码通常具有较明确的测试结果，适合使用强化学习或自动验证反馈进行迭代。
• 现实世界中的写作、常识判断和社会互动往往缺少同等清晰的唯一答案。
• 该帖文提出的是待检验的解释，并未给出跨模型、跨任务的实证比较。
• 区分能力提升来自可验证反馈还是新增人类数据，有助于判断未来训练收益的来源。
• 影响/看点：如果非形式化任务确实更快进入平台期，模型进步可能更多依赖数据质量、交互环境和新的评价方法；这一判断需要长期基准、训练数据审计和跨领域实验共同支持。
• 资料依据:
• Francois Chollet（2026-10-07）：关于AI能力前沿与RLVR的X帖子 https://x.com/fchollet/status/2107625225768858076

本内容由 AI 生成，仅供参考，请注意甄别