标签：RLVR

AI下一次突破：从在职学习开始

本文探讨了AI领域下一个重大突破可能在于“在职学习”。作者认为，当前实验室押注的强化学习与可验证奖励（RLVR）方法存在局限性，尤其是在需要从稀缺、模糊的真实世界互动中学习的领域。文章提出了“在职学习”的必要性，分析了当前在线学习的困境，并探讨了诸如“在线策略自蒸馏”和“做梦”等前沿技术，展望了到2027年底，AI可能通过持续部署和学习实现能力质的飞跃。