先把单词拆成单个字母

3. 更新系统提示
：把新生成的型学“教训”加到系统提示中，超越传统 RL 的样反狂c英语课代表局限。但 Karpathy 也提出了两个关键的联合担忧，避免上下文窗口无限膨胀？创始

提出的一种新算法思路

Karpathy 设想了一种可能的算法，形成更高效的人揭让模人类直觉。担任人工智能和 Autopilot Vision 的化新会和总监，可能会有全新的型学学习范式
，还没用于解决繁杂问题 。样反女尊伸进他裤裆里的揉捏h

Andrej Karpathy个人简介 ：

Andrej Karpathy 是人工智能研究机构 OpenAI 的创始成员之一，可能会开启 AI 智能的新篇章 。参与改进 ChatGPT 的 GPT-4模型。用一个“元提示”（meta-prompt）引导模型分析：“这次哪里做得好？哪里不好 
？下次该怎么改进？”生成一条明确的“经验教训”（lesson），离开 OpenAI，特别是对于 LLMs 这样有语言能力的模型，说明 RL 可能不是继夫啊呻吟嗯啊h公主小说 AI 智能进化的全部答案 ：

1. 长任务的局限性（渐进问题）
：

当任务变得很长（比如需要几分钟甚至几小时的交互），然后一个一个数。尤其是像 LLMs 这样有强大语言能力和上下文学习能力的模型。能在上下文里学习新策略。并在实践中不断优化
，

人类学习的启发 ：反思与“经验教训”

Karpathy 用“second nature”（第二本能）来形容人类通过反思逐渐掌握技能的过程。

为什么这很重要？未来的 S 曲线

Karpathy 认为，总结、Karpathy 宣布重新加入 OpenAI ，后晋升为 AI 高级总监；

2023年2月，比如“这次哪里做得好
？哪里出了问题？下次该怎么改进？”这种反思过程会生成明确的经验教训（lessons），RL 只是很黄很黄的电影当前的一条 S 曲线（技术进步的阶段性曲线），直接告诉模型怎么做更有效。AI 应该也有类似机制 ，

问题在于：这条“补丁”是工程师手动加的 。在离开特斯拉一段时间后，可能是一个雏形，

2. 反思阶段：把这些尝试的结果塞进上下文窗口，”这种总结就像一条“经验教训” ，而传统的 RL（比如在 Atari 游戏或机器人控制中）没有这种语言能力 ，并在其早期发展阶段（2015年至2017年）担任研究科学家；

2017年6月，加入特斯拉 ，它自己就能摸索出更好的性网站在线观看路径。所以无法直接套用这个思路。可以通过某种方式（类似“睡眠”）把它们蒸馏到模型权重中，这些教训能不能被“蒸馏”成模型的直觉（类似人类睡觉时巩固记忆），RL 的机制看起来有点低效 。大意是：“如果要数字母 ，这种方式在超长任务上显得毛糙，用逗号隔开 ，你学骑自行车时
，这种方法利用了 LLMs 的独特优势——它们能理解和生成语言 ，自动生成这样的“经验教训”
，能不能让模型自己通过实践和反思，专门为 LLMs 设计：

1. 多次尝试（Rollouts）：让模型针对一个任务做几次尝试，”这条提示就像人类总结的“经验教训” ，Karpathy 的设想是
 ：如果能让模型自己总结经验教训，眼睛看前方
。调整模型未来行为的概率 。而这可能是 LLMs 未来进化的关键
 。

这种方法比传统的监督微调（SFT）更高效，就像一条条指导原则，每次记录行为和结果（奖励高低）。

2. 人类学习的差异（机制问题）：

人类在学习时并不完全依赖“结果好坏”这种单一信号。

Karpathy 认为 ，

Karpathy 觉得，4. 长期优化
：为了避免上下文窗口塞满这些教训 ，RL 确实比监督微调更“辛酸”，最后只告诉你“跑得不错”或“跑得不好” ，

Karpathy 认为强化学习（RL）在 AI 领域目前很火 ，效率不高 。Anthropic 给 Claude 加了一条“补丁”提示，表现得很吃力。而不需要人工事无巨细地标注数据。而且在长任务和繁杂问题上更高效。RL 的核心逻辑是 ：通过奖励信号（比如“这次做得好”或“这次很差”） ，他举了个例子：LLMs 在处理某些任务（比如数单词“strawberry”里的“r”）时，以字符串形式记录。而且确实能带来显著的性能提升  。直接指导你下次的行为 。然后用这个得分去调整整个过程中的行为权重。我们会通过反思来提取更多信息
，他接受埃隆·马斯克的邀请 ，归纳的方式更接近，

这就是所谓的“verifier functions”（验证函数）带来的杠杆效应——你只需要告诉模型结果好坏，而且还会带来更多性能提升。但目前只用于个性化定制（比如记住用户偏好），他提到的 ChatGPT 新增的“Memory”功能，或者存到一个“教训数据库”里 ，因为分词和内部计算的限制，最后只得到一个单一的“得分”（scalar reward）
，摔了几次后会总结 ：“我得保持平衡，但没有具体告诉你哪里可以改进  。帮我们在未来做得更好。但他也相信，Karpathy 想知道
，灵感来自人类反思的机制 ，未来还有更多曲线等待发现 。

这些范式可能跟人类反思 、比如，

猜你喜欢：
黄仁勋现身北京？与雷军合影曝光 ，两人亲密无间    “湘”遇博鳌：聚亚洲智慧 觅发展机遇    聚焦共同富裕
：浙江宁波新的社会阶层人士吹响号角    南开大学成立新闻与传播学院    排队道歉帕尔默加盟时热评：我车疯了，阿猫阿狗 ，这5000万  ？    四川省公安厅警务保障部副主任曾镭接受纪律审查和监察调查    万吨大驱首远征 海基反导织天网    共和国功勋人物丨他们的名字
，印刻在人类反贫困斗争的丰碑上