#718. RSI：人工智能研究人员就当前范式能走多远展开辩论
跨国串门儿计划1905 字 (约 8 分钟)
85
AI研究者认为递归自我改进（RSI）的核心挑战是目标定义与泛化能力，而非单纯算力提升，自动化研究可能直接等同于人工通用智能（ASI）。
入选理由：RSI的瓶颈在于AI自主定义目标的能力，而非计算能力
FeaturedPodcast#AI#强化学习#RSI#模型训练#自动化研究中英混合
人物
John Schulman
别名：Thinking Machines首席科学家
前OpenAI联合创始人，RLHF研究负责人
已跟踪 4 条高相关材料
TraeAI 观察
最近变化
2026-09-12 · RSI的瓶颈在于AI自主定义目标的能力，而非计算能力
为什么值得关注
John Schulman 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
AIAI模型OpenAIRSIThinking Machines
如果只读 3 篇
1
#718. RSI：人工智能研究人员就当前范式能走多远展开辩论
跨国串门儿计划 · 8.5 分
AI研究者认为递归自我改进（RSI）的核心挑战是目标定义与泛化能力，而非单纯算力提升，自动化研究可能直接等同于人工通用智能（ASI）。
2
Thinking Machines Lab Drops Its First Model
Wired AI · 8.5 分
Thinking Machines Lab发布9750亿参数开源模型Inkling，支持多模态处理并用于自我优化，挑战OpenAI等巨头。
3
Why We Think
Lil'Log · 8.5 分
文章探讨了测试时计算（test-time compute）和链式思维（CoT）对模型性能的提升机制，以及其与人类思维模式的相似性。
相关材料
已收录 4 条与 John Schulman 相关的内容，按评分排序。
Thinking Machines Lab Drops Its First Model
Wired AI570 字 (约 3 分钟)
85
Thinking Machines Lab发布9750亿参数开源模型Inkling，支持多模态处理并用于自我优化，挑战OpenAI等巨头。
入选理由：Inkling是首个支持音频/视频/文本处理的9750亿参数开源模型
FeaturedArticle#AI模型#开源#Thinking Machines#多模态#OpenAI英文
Why We Think
Lil'Log8392 字 (约 34 分钟)
85
The article explores the mechanisms of test-time compute and chain-of-thought (CoT) in improving model performance.
入选理由：CoT使模型能根据问题难度动态调整计算量
FeaturedArticle#Deep Learning#Model Optimization中文
OMFG this lineup 😍 I'm officially starstruck.
Julien Chaumond(@julien_c)68 字 (约 1 分钟)
40
该推文为个人社交媒体动态，未提供技术内容或专业见解，不适合工程师阅读。
入选理由：社交媒体动态缺乏技术深度和实用价值
FeaturedTweet#社交媒体#个人分享中英混合