## الكفاءة على المستوى البشري ضرورية ل AGI إنهاء رحلة رائعة 🇸🇬 حيث تمكنت من التسكع مع @agihippo + رأيت @jeffdean @quocleix @denny_zhou وآخرون يقدمون تحديثات "State of GDM" 2025 * إلى حد بعيد ، فإن الموضوع المتكرر # 1 في مؤتمراتنا هو كفاءة التعلم. يعد حساب وقت الاستدلال هو كل الغضب الآن ولكن #efficiencyiscoming التالي ، وعادة ما أكون متقدما على الأغلبية بمقدار 3-6 أشهر عندما يصل هذا النوع من إجماع المختبر الحدودي من خلال جمجمتي السميكة. غالبا ما يفاجأ الناس ثم يتفقون بشكل عام عندما أرسم خطا من خلال التعلم الخاضع للإشراف الذاتي و RLAIF و RLVR على أنهم جميعا مجرد تغييرات خطوة في الأداء المكتسب لكل نقطة بيانات ، ومن الواضح أن القفزة الأسية التالية لهذه الكفاءة كانت ما أكد Quoc أن Ilya يعمل عليه أيضا في حديثه المشار إليه أدناه + "جبل" Ilya الذي حدده في NeurIPS. أراهن على أن الحل لهذا هو كتلة / تجريد جديد غير محولات ليس "مجرد عوامل متعددة" وهو أقرب إلى الاختبار في الوقت الفعلي وحل فرضيات نموذج العالم المحتملة ، مثل كيفية حل لغز سودوكو أو لعب Cluedo. هذه هي الطريقة المنهجية الوحيدة التي أعرف بها كيفية تلخيص عملية التعلم البشري حيث يمكننا تعلم القليل من المفاهيم باستخدام 10-20x نقطة بيانات لكل مفهوم أقل من SOTA الحالي. لو كنت باحثا لبدأت هنا الآن ... وسيكون من المفارقات / الرائع للغاية إذا كان هذا هو انتصار @ylecun النهائي. *+ أجريت بعض الاجتماعات مع الثروة السيادية المحلية + الشركات الناشئة!