## Menschliche Effizienz ist notwendig für AGI Ich beende eine großartige 🇸🇬 Reise, bei der ich mit @agihippo abhängen konnte + @jeffdean, @quocleix, @denny_zhou und anderen bei den "State of GDM" 2025 Updates zusehen konnte.* Das #1 wiederkehrende Thema in unseren Gesprächen ist die Lern-Effizienz. Inferenzzeit-Berechnungen sind jetzt der letzte Schrei, aber #efficiencyiscoming als Nächstes, und ich bin normalerweise 3-6 Monate voraus, wenn dieser Art von Konsens aus der Grenzforschung durch meinen dicken Schädel dringt. Die Leute sind oft überrascht und stimmen dann im Allgemeinen zu, wenn ich eine Verbindung ziehe zwischen dem Durchbruch des selbstüberwachten Lernens und RLAIF und RLVR, dass sie alle nur Schrittveränderungen in der Leistung pro Datenpunkt sind, und der nächste exponentielle Sprung dieser Effizienz war offensichtlich das, was Quoc bestätigte, dass Ilya auch in seinem unten referenzierten Vortrag daran arbeitet + Ilyas "Berg", den er auf der NeurIPS identifiziert hat. Ich würde etwas Geld darauf wetten, dass die Lösung dafür ein neuer Block/Abstraktion ist, der keine "einfachen Multiagenten" ist und mehr mit der Echtzeittestung und Auflösung potenzieller Weltmodell-Hypothesen zu tun hat, ähnlich wie man ein Sudoku-Rätsel löst oder Cluedo spielt. Das ist der einzige systematische Weg, den ich kenne, um den menschlichen Lernprozess zu reduzieren, bei dem wir Konzepte mit 10-20x weniger Datenpunkten pro Konzept als das aktuelle SOTA im Few-Shot-Lernen lernen können. Wenn ich ein Forscher wäre, würde ich jetzt hier anfangen... und es wäre sehr ironisch/cool, wenn dies @ylecun's ultimativer Sieg wäre.* *+ habe einige Meetings mit lokalen Staatsfonds + Startups gemacht!